文獻(xiàn)標(biāo)識(shí)碼:A
DOI: 10.19358/j.issn.2096-5133.2020.05.008
引用格式:陳細(xì)玉,,林穗.一種融合注意力和記憶網(wǎng)絡(luò)的序列推薦算法[J].信息技術(shù)與網(wǎng)絡(luò)安全,,2020,39(5):37-41.
協(xié)同過濾(Collaborative Filtering,CF),,分為基于用戶的協(xié)同過濾(UBCF),、基于項(xiàng)目的協(xié)同過濾(IBCF)和基于模型的協(xié)同過濾?;谟脩舻膮f(xié)同過濾是根據(jù)用戶的歷史行為計(jì)算出用戶之間的相似度,,將相似度高的用戶的歷史項(xiàng)目推薦給該用戶;基于項(xiàng)目的協(xié)同過濾是計(jì)算項(xiàng)目之間的相似度,,推薦與該用戶歷史項(xiàng)目相似度高且歷史行為中沒有的項(xiàng)目?;谀P偷膮f(xié)同過濾如矩陣分解(Matrix Factorization,,MF)通過用戶和項(xiàng)目的低維特征向量預(yù)測評(píng)分進(jìn)行推薦;EBESU T等人提出協(xié)同記憶網(wǎng)絡(luò),,使用記憶網(wǎng)絡(luò)學(xué)習(xí)用戶項(xiàng)目對(duì)的特定鄰居,,用戶和項(xiàng)目記憶共同利用鄰居來產(chǎn)生排名分?jǐn)?shù)。這些模型通常對(duì)靜態(tài)的用戶和項(xiàng)目交互進(jìn)行建模,,所表示的用戶偏好是靜態(tài)的,。
但在現(xiàn)實(shí)生活中,用戶的歷史行為是動(dòng)態(tài)的,,人們的興趣是隨著時(shí)間變化的,。早先的基于馬爾科夫鏈的序列推薦將項(xiàng)目之間的轉(zhuǎn)移矩陣分解為兩個(gè)低秩矩陣,此序列推薦取得了良好的效果,,然而k階馬爾科夫鏈只能根據(jù)有限的前k個(gè)行為預(yù)測下一個(gè)行為,。近年來基于循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)的序列推薦能夠依賴更多用戶歷史行為,。FU H等人使用雙向長短期記憶網(wǎng)絡(luò)(BiLSTM)捕獲項(xiàng)目的序列特征,,取得了更好的推薦效果。下一個(gè)項(xiàng)目的預(yù)測并不取決于用戶所有的歷史項(xiàng)目,,只與部分有關(guān)聯(lián),,且對(duì)當(dāng)前的預(yù)測影響是不一致的。LUO A等人提出了自適應(yīng)注意感知門控循環(huán)單元(3AGRU),,采用注意力機(jī)制來適應(yīng)用戶順序偏好的表示,。LV F等人提出了一種新的順序深度匹配(SDM)模型,使用門控融合模塊結(jié)合長期和短期偏好特征,,來獲取用戶的動(dòng)態(tài)偏好,。LIN X等人將K最近鄰算法(K-Nearest Neighbor,KNN)與RNN相結(jié)合,,利用動(dòng)態(tài)鄰居序列優(yōu)化用戶序列表示,。
item2vec是BARKAN O等人借鑒自然語言處理中的Word2vec詞向量表示方法,,學(xué)習(xí)項(xiàng)目的向量表示并計(jì)算項(xiàng)目的相似度進(jìn)行推薦。
RNN存在長距離依賴問題,,且項(xiàng)目之間的影響主要取決于相對(duì)位置而不是項(xiàng)目的屬性,。LSTM增加遺忘門和更新門優(yōu)化了長距離依賴問題,但仍舊沒有徹底解決,。注意力機(jī)制能從全局模式上既解決長距離依賴問題,,又能解決序列中各項(xiàng)目的區(qū)分度差問題。實(shí)際生活中,,短期偏好的用戶會(huì)向資深固定偏好的用戶靠攏,,興趣變化也會(huì)向這些用戶的興趣發(fā)展。
由此提出融合注意力和記憶網(wǎng)絡(luò)的序列推薦算法,,使用Word2vec學(xué)習(xí)并初始化用戶和項(xiàng)目的固定表示,,自注意力機(jī)制結(jié)合LSTM解決長距離依賴和區(qū)分度問題,學(xué)習(xí)用戶的初級(jí)動(dòng)態(tài)表示,,并利用記憶網(wǎng)絡(luò)獲取動(dòng)態(tài)鄰居學(xué)習(xí)用戶的終級(jí)動(dòng)態(tài)表示,,拼接固定表示和終級(jí)動(dòng)態(tài)表示作為用戶最終表示并進(jìn)行推薦,提高用戶的推薦效果并體現(xiàn)出可解釋性,。
本文詳細(xì)內(nèi)容請(qǐng)下載:http://forexkbc.com/resource/share/2000003112
作者信息:陳細(xì)玉,,林穗(廣東工業(yè)大學(xué) 計(jì)算機(jī)學(xué)院,廣東 廣州 510006)