基于用户长短期偏好的个性化推荐

来源：吉林大学学报·理学版杂志2024年第3期北京时间：

作者：叶榕, 邵剑飞, 邵建龙

单位：昆明理工大学 信息工程与自动化学院, 昆明 650500

摘要：针对现有序列推荐模型忽略用户的长期偏好和短期偏好, 导致推荐模型不能充分发挥作用, 推荐效果不佳的问题, 提出一种基于用户长短期偏好的个性化推荐模型. 首先,针对长期偏好序列长且不连续的特点, 采用BERT（bidirectional encoder representations from transformers）对长期偏好建模； 针对短期偏好序列短且与用户交互的间隔时间较短, 具有易变性, 采用垂直水平卷积网络对短期偏好建模； 在得到用户的长期偏好和短期偏好后, 利用激活函数进行动态建模, 然后利用门控循环网络对长短期偏好进行平衡. 其次, 针对用户在日常交互中的误碰行为, 采用稀疏注意力网络进行建模, 在对长短期偏好建模前使用稀疏注意力网络进行用户行为序列处理； 用户特征偏好对推荐结果也会有影响, 使用带有偏置编码的多头注意力机制对用户特征进行提取. 最后, 将各部分得到的结果输入到全连接层得到最后的输出结果. 为验证本文模型的可行性, 在数据集Yelp和MovieLens-1M上进行实验, 实验结果表明该模型优于其他基线模型.

关键词：序列推荐；长期偏好；短期偏好；稀疏注意力网络； ,垂直水平卷积网络