计算机科学与探索

作者：余文婷, 吴云

单位：1. 贵州大学 公共大数据国家重点实验室，贵阳 5500252. 贵州大学 计算机科学与技术学院，贵阳 550025

关键词：时间感知序列推荐,位置嵌入,特征级自注意力机制,双塔自注意力网络

用户的偏好具有聚合性和漂移性。现有推荐算法在序列建模框架中融合了交互时间相关性的建模，取得了很大的性能改善，但它们在建模时仅考虑了交互的时间间隔，使得它们在捕捉用户偏好的时间动态方面存在局限性。首先，提出了一种新的时间感知的位置嵌入方法，将时间信息与位置嵌入相结合，帮助模型学习时间层面的项目相关性。随后，在时间感知位置嵌入基础上，提出了时间感知的双塔自注意力序列推荐模型（TiDSA）。TiDSA包含项目级和特征级的自注意力模块，分别从项目和特征两个角度对用户偏好随时间变化的过程进行分析，实现了对时间、项目和特征的统一建模，并且在特征级自注意力模块，设计了多维度的自注意力权重计算方式，从特征维度、项目维度和项目与特征交叉维度充分学习特征之间的相关性。最后，TiDSA将项目级与特征级的信息相融合得到最终的用户偏好表示，并根据该表示为用户提供可靠的推荐结果。四个真实推荐数据集的实验结果表明，TiDSA的性能优于许多先进的基线模型。

来源：2024年第1期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2024年第1期