基于注意力机制的特征融合推荐模型
来源：计算机工程与科学杂志2025年第5期北京时间：
作者：马汉达, 李腾飞
单位：江苏大学计算机科学与通信工程学院，江苏 镇江 212013
摘要：针对目前推荐系统难以获得特征信息，缺乏有效的方法来表示特征信息的权重的问题，提出了一种基于注意力机制与特征融合的推荐模型FFADeepCF_SPS。首先，针对特征表示不够充分的问题，使用因子分解机融合特征，将特征从一维扩展到高维，从而获得特征的低阶表示，然后使用深度神经网络学习高阶特征，并通过一个全连接层将2种特征组合起来，以获得所需的特征表示；其次，针对单头注意力机制过度倾斜权重的问题，使用将输入切分成多个单头分别计算其注意力权重的多头注意力机制，再经由线性变换将各结果进行拼接，获得最终的输出；最后，结合上述2点构建了基于注意力机制与特征融合的推荐模型。为了验证模型的有效性，在4个公开数据集上与基线模型GMF、DeepCF_SPS和CNN- BiLSTM进行了对比实验以及消融实验。实验结果表明，在不同规模的数据集上，所提模型与基线模型相比在MSE、RMSE、MAE评价指标上表现出的性能均更优。
关键词：注意力机制,特征融合,推荐模型,评分预测,
基金资助：镇江市重点研发计划(GY2023034)
