推荐系统中神经网络结合注意力机制研究综述

来源：计算机工程与应用杂志2024年第10期北京时间：

作者：高广尚

单位：广西民族大学 人工智能学院，南宁 530006

摘要：探讨神经网络如何结合注意力机制及其变种，以更好地学习用户和物品间复杂和隐含的关系，从而提高推荐的准确性和个性化水平。从多层感知机、卷积神经网络、循环神经网络、自编码器、图神经网络以及反向传播神经网络这六类典型神经网络出发，研究它们与注意力机制相结合进行推荐的过程，具体结合点击率预测、标签推荐和评论评分预测等典型应用场景进行优缺点分析。通过将神经网络与注意力机制相结合，模型能够聚焦于输入数据中的关键信息，降低对次要信息的注意程度，甚至直接过滤掉无关信息。现有将注意力机制与神经网络结合的推荐模型，在很大程度上能够满足常见的推荐任务需求。但是这类模型在跨域推荐、深度强化学习推荐以及多模态推荐等复杂推荐场景中，仍面临一些挑战，例如跨域推荐需要模型具备迁移学习的能力，强化学习推荐需要进行长期奖励建模。

关键词：推荐系统,深度学习,神经网络,注意力机制