典型文献
基于Transformer的融合多层级语义信息的会话推荐方法
文献摘要：
为了提升会话推荐的准确率,对多个会话间的高阶关系进行了研究.提出一种基于Transformer结构融合多层级语义信息的推荐方法(简称TCL),可以融合项目局部上下文信息、会话内部的全局语义信息、跨越不同会话的关联语义等多个层级的信息,从而能够更加准确地预测用户感兴趣的项 目.在此基础上,构造出一种基于相似会话组的训练数据,丰富了会话数据的多样性,缓解了数据稀疏问题.实验在三个真实场景的数据集上进行,实验结果表明该方法的有效性,P@20指标最大提升3.46％.
文献关键词：
会话推荐;Transformer;自注意力机制;卷积神经网络
中图分类号：
作者姓名：
孙光灵;周景;陈冲
作者机构：
安徽建筑大学电子与信息工程学院,安徽合肥230601;合肥工业大学智能互联系统安徽省实验室,安徽合肥230009
文献出处：
引用格式：
[1]孙光灵;周景;陈冲-.基于Transformer的融合多层级语义信息的会话推荐方法)[J].合肥师范学院学报,2022(06):8-14
A类：
B类：
Transformer,多层级,会话推荐,推荐方法,TCL,局部上下文,上下文信息,全局语义信息,感兴趣,训练数据,数据稀疏,真实场景,自注意力机制
AB值：
0.27676
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。
