典型文献
联合多层注意力网络矩阵分解的推荐算法
文献摘要：
许多推荐算法如基于矩阵分解因无法充分挖掘用户对项目的偏好信息而无法取得令人满意的推荐效果.为了解决上述问题,该文设计了两个模块,首先,利用多层感知机技术学习输入的信息以获得较好的特征表示,在原始输入时通过点积操作得到关系信息,并将其命名为深度矩阵分解(DeepMF);其次,在多层感知机中加入多层注意力网络,这样能够得到用户对项目的偏好信息.此外,点积操作应用于输出前是为了获得特征表达的关系信息,这一模块名为深度注意力矩阵分解(DeepAMF).通过结合两个模块的优势得到联合多层注意力网络矩阵分解算法(MAMF),在四个公开数据集上的实验证明了MAMF算法的有效性.
文献关键词：
矩阵分解;多层注意力;联合模型
中图分类号：
作者姓名：
李建红;黄雅凡;王成军;丁云霞;郑文军;李建华;钱付兰;赵鑫
作者机构：
安徽理工大学 人工智能学院,安徽 淮南 232001;安徽大学 计算机科学与技术学院,安徽 合肥 230601;安徽中科美络信息技术有限公司,安徽 合肥 230601
文献出处：
引用格式：
[1]李建红;黄雅凡;王成军;丁云霞;郑文军;李建华;钱付兰;赵鑫-.联合多层注意力网络矩阵分解的推荐算法)[J].中文信息学报,2022(03):120-127
A类：
DeepMF,DeepAMF,MAMF
B类：
多层注意力,注意力网络,推荐算法,偏好信息,得令,令人满意,推荐效果,多层感知机,技术学习,特征表示,深度矩阵分解,特征表达,力矩,公开数据集,联合模型
AB值：
0.230135
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。
