典型文献
基于时间卷积注意力神经网络的序列推荐模型
文献摘要：
序列推荐任务根据用户与项目的交互记录动态建模用户兴趣,并进行项目推荐.序列推荐模型通常将用户行为视为兴趣进行建模,仅考虑用户行为的顺序,忽略用户行为之间的时间间隔信息.文中将行为序列的时间间隔信息作为预测用户行为的重要因素,提出基于时间卷积注意力神经网络的序列推荐模型.在词嵌入层中引入序列位置信息和时间间隔信息,并设计时间卷积网络对位置信息进行建模,获取用户的长期偏好特征.使用双层自注意力机制对用户短期行为序列中项目之间的关联进行建模,并融合时间间隔信息获取用户短期兴趣特征.最后,通过预训练引入训练数据的全局信息,提升模型推荐性能.在Amazon等数据集上的实验表明,文中模型可有效提升推荐性能.
文献关键词：
序列推荐;自注意力机制;时间卷积网络;长短期兴趣
中图分类号：
作者姓名：
杜永萍;牛晋宇;王陆霖;闫瑞
作者机构：
北京工业大学 信息学部 北京100124;中国科学院计算技术研究所 计算机体系结构国家重点实验室 北京100086
文献出处：
引用格式：
[1]杜永萍;牛晋宇;王陆霖;闫瑞-.基于时间卷积注意力神经网络的序列推荐模型)[J].模式识别与人工智能,2022(05):472-480
A类：
B类：
卷积注意力,注意力神经网络,序列推荐,推荐模型,推荐任务,动态建模,用户兴趣,用户行为,时间间隔,行为序列,词嵌入,嵌入层,序列位置,位置信息,时间卷积网络,取用,长期偏好,偏好特征,自注意力机制,短期行为,中项,信息获取,预训练,训练数据,全局信息,推荐性,Amazon,长短期兴趣
AB值：
0.346462
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。
