基于通道注意力的神经协同过滤推荐算法

来源：计算机技术与发展杂志2023年第07期北京时间：

作者：包晨;袁卫华;戴久乾;张志军*

摘要：现有的协同过滤推荐算法使用表示学习方法和匹配函数学习的方法来匹配用户喜欢的物品,但这不能充分表达用户对不同物品的真实偏好,且这些模型并不能有效捕获用户和物品交互时嵌入维度之间的相关性。 为此,该文提出基于通道注意力的神经协同过滤模型 NCFCA( Neural Collaborative Filtering based on Channel Attention)。 首先,在网络中通过注意力机制对不同的物品分配不同的权重,来影响用户对物品的偏好程度;其次,模型利用卷积神经网络来提升用户和物品的关联性,并在卷积神经网络中加入通道注意力机制来挖掘丰富的语义信息;最后,利用广义矩阵分解方法来缓解因用户物品交互产生的数据稀疏问题并且将三个不同的模块( A -MLP、E -CNN、GMF) 融合在一起。 在 MovieLens 1M 和Lastfm 数据集上的大量实验表明,NCFCA 模型的准确率有不同程度的提高,表现出较为优越的推荐性能。

关键词：协同过滤;通道注意力机制;卷积神经网络;广义矩阵分解;推荐系统