期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于图插值和可变形卷积网络的序列推荐
1
作者 刘昕悦 尹海莲 +6 位作者 臧亚磊 吴文隆 卓俊男 徐凤如 陈吕莹 马维华 李博涵 《计算机研究与发展》 北大核心 2025年第10期2583-2594,共12页
序列推荐系统(sequential recommendation system,SRS)旨在基于用户的历史行为偏好预测下一步行为.尽管针对序列推荐提出了许多有效的方法,但仍然存在根本性的挑战.首先,随着在线服务的普及,推荐系统需要同时服务于热启动用户和冷启动用... 序列推荐系统(sequential recommendation system,SRS)旨在基于用户的历史行为偏好预测下一步行为.尽管针对序列推荐提出了许多有效的方法,但仍然存在根本性的挑战.首先,随着在线服务的普及,推荐系统需要同时服务于热启动用户和冷启动用户.然而,由于难以从交互数据有限的序列中学习到有效的序列依赖关系,大多数依赖于用户-项目交互的现有模型失去了优势.其次,由于现实中用户意图的可变性和主观随机性,用户在其历史序列中的行为往往是隐含和复杂的,很难从这些用户-项目交互数据中捕获这种动态转变模式.提出了一种基于图插值和可变形卷积网络的序列推荐(graph-based interpolation sequential recommender with deformable convolutional network,GISDCN)模型.对于冷启动用户,将序列对象重新构建成图,并提取全局序列中的知识来推断用户可能的偏好.为了捕捉复杂的顺序依赖关系,使用可变形卷积网络来生成更健壮和灵活的卷积核.最后,在4个数据集上进行了综合实验,验证了模型的有效性.实验结果表明,GISDCN优于大多数主流的模型. 展开更多
关键词 序列推荐 可变形卷积 图神经网络 冷启动 动态卷积
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部