典型文献
融合成对编码方案及二维卷积神经网络的长短期会话推荐算法
文献摘要：
虽然基于循环神经网络(RNN)的会话推荐算法可以有效地对会话中的长期依赖关系进行建模,并且可以结合注意力机制来刻画用户在会话中的主要目的,但它在进行会话建模的过程中无法绕过与用户主要目的不相关的物品,易受其影响以致降低推荐精度.针对上述问题,设计了成对编码方案来将原始输入序列嵌入向量转化为一个三维张量表示,使得非相邻的行为也能够产生联系.通过二维卷积神经网络(CNN)来处理该张量以捕获非相邻物品间的联系,并提出了引入用于会话推荐的二维卷积神经网络的神经注意力推荐机(COS-NARM)模型.该模型能有效跳过序列中与用户主要目的不相关的物品.实验结果表明,COS-NARM模型在DIGINETICA等多个真实数据集上的召回率和平均倒数排名(MRR)都得到了不同程度的提升,且优于NARM、GRU-4Rec+等所有基线模型.在上述研究的基础上,将欧氏距离引入COS-NARM模型,提出了OCOS-NARM模型.利用欧氏距离直接计算不同时刻兴趣间的相似度以减少模型的参数,降低模型的复杂度.实验结果表明,欧氏距离的引入不仅使得OCOS-NARM模型在DIGINETICA等多个真实数据集上的推荐效果得到了进一步的提升,而且使OCOS-NARM模型的训练时间相较COS-NARM模型缩短了14.84％,有效提高了模型的训练速度.
文献关键词：
会话推荐;循环神经网络;成对编码;卷积神经网络;欧氏距离
中图分类号：
作者姓名：
陈学勤;陶涛;张钟旺;王一蕾
作者机构：
福州大学数学与计算机科学学院,福州350108
文献出处：
引用格式：
[1]陈学勤;陶涛;张钟旺;王一蕾-.融合成对编码方案及二维卷积神经网络的长短期会话推荐算法)[J].计算机应用,2022(05):1347-1354
A类：
NARM,DIGINETICA,4Rec+,OCOS
B类：
成对编码,编码方案,二维卷积神经网络,长短期,期会,会话推荐,推荐算法,循环神经网络,RNN,依赖关系,注意力机制,行会,绕过,户主,不相关,推荐精度,嵌入向量,一个三维,张量,理该,经注,真实数据,召回率,倒数,数排,MRR,GRU,基线模型,欧氏距离,直接计算,不同时刻,推荐效果,训练时间,训练速度
AB值：
0.243234
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。
