基于长短期偏好的自适应融合推荐算法

ZHOU Qian,WANG Xun,WANG Yunzhao,HUANG Shucheng

Journal of Jiangsu University of Science and Technology（Natural Science Edition)（2023）

引用 0|浏览1

暂无评分

摘要

现有的推荐算法能够以静态方式捕获用户长期兴趣特征,但忽略用户兴趣不断变化的特性,对短期动态偏好捕获无效,使推荐效果大打折扣.为有效结合用户长期和短期兴趣偏好,学习历史行为序列中蕴含的短期兴趣特征,提出了一种新的算法(RUCF),通过矩阵分解(MF)学习用户和项目信息从而捕获长期兴趣,再使用两层门控循环单元(GRU)捕获历史交互行为序列中的短期动态兴趣,最后,将长期和短期兴趣偏好自适应融合进行预测推荐.算法在门控循环单元中引入注意力机制改进更新门结构,能够学习更有价值的短期兴趣,通过MovieLens-1M和Electronics数据集上的实验结果表明:该算法能提高推荐准确性,与其他相关算法相比具有明显的优越性.

关键词

collaborative filtering algorithm,user interest preference,attention mechanism,RNN,GRU

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要