基于物品嵌入向量的会话型推荐算法
来源：计算机工程杂志2021年第7期北京时间：
作者：陈恩华, 方宝富
单位：合肥工业大学 计算机与信息学院, 合肥 230601
摘要：传统基于会话的推荐算法主要利用点击物品的时序信息进行建模，忽略了挖掘物品的特征信息，且未利用物品之间的相似性。为提升推荐效果，提出一种新的基于会话的推荐算法SR-I2V。通过Skip-gram模型和层次softmax优化方法学习物品的嵌入向量，由意图递进公式对已发生的物品点击提取出意图特征向量，并根据特征向量相似度计算出每个候选项的推荐分数。实验结果表明，与I2I、PoP和S-POP等传统基于会话的推荐算法相比，该算法在Yoochoose和Diginetica两个数据集上的推荐召回率分别提高了至少4.67个百分点和3.97个百分点，平均倒数排名指标也有相应提高。
关键词：推荐算法,循环神经网络,嵌入向量,层次softmax,意图递进
基金资助：安徽省自然科学基金（1708085MF146）。
