典型文献
基于多通道CNN-BiGRU与多特征融合方法
文献摘要：
新闻推荐是根据用户的阅读习惯,为其推送更符合需求的内容,然而现有的方法仍存在特征学习不足的问题.针对此问题,提出了一种基于多通道CNN-BiGRU与多特征融合方法,主要由以下四部分组成:(1)词嵌入层.在词向量中融入实体嵌入向量,弥补单独仅使用词向量的不足,完成多通道词向量的构建;(2)多通道CNN-BiGRU模型.此部分模型使用卷积神经网络(CNN)提取语句的局部特征,使用双向门控循环单元(BiGRU)提取文本的长序列依赖关系,同时,借助最大池化操作以减少参数数量,避免冗余,借助注意力网络以关注重要词汇的特征,获取精确的特征表示;(3)多特征融合.借助注意力机制融合多个新闻特征,并关注重要特征的内容,完成新闻表征的构建;(4)用户表征提取.通过多头注意力机制提取用户历史浏览记录中新闻间的交互关系,以构建准确的用户表征,完成推荐.实验结果表明,所提出的CBMR模型相对现有的CNN、DKN、TANR和NRMS模型,在AUC、MRR、nDCG@5和nDCG@10指标上表现更优异.
文献关键词：
卷积神经网络;双向门控循环单元;注意力机制;用户表征
中图分类号：
作者姓名：
王凯丽;李海明
作者机构：
上海电力大学计算机科学与技术学院,上海200000
文献出处：
引用格式：
[1]王凯丽;李海明-.基于多通道CNN-BiGRU与多特征融合方法)[J].微电子学与计算机,2022(03):41-49
A类：
用户表征,CBMR,TANR
B类：
多通道,BiGRU,多特征融合,融合方法,新闻推荐,阅读习惯,推送,存在特征,特征学习,四部,词嵌入,嵌入层,词向量,实体嵌入,嵌入向量,用词,部分模型,模型使用,语句,局部特征,双向门控循环单元,依赖关系,最大池化,池化操作,数数,注意力网络,特征表示,注意力机制融合,新闻特征,表征提取,多头注意力机制,取用,浏览,交互关系,DKN,NRMS,MRR,nDCG
AB值：
0.37973
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
