融合自注意力机制与长短期偏好的序列推荐模型

来源：计算机应用研究杂志2021年第5期北京时间：

作者：沈学利,杜志伟,

单位：辽宁工程技术大学a.软件学院;b.电子与信息工程学院,辽宁葫芦岛125105；

摘要：针对现有的序列推荐算法仅利用短期顺序行为进行推荐，而没有充分考虑用户的长期偏好和项目之间更深层次的联系等问题，提出一种融合自注意力机制与长短期偏好的序列推荐模型（combines self-attention with long-term and short-term recommendation，CSALSR）。该模型首先建模用户和项目的潜在特征表示，将用户短期交互序列中的项目成对编码为三向张量，然后经过自注意力机制模块并使用卷积神经网络（convolutional neural network，CNN）从用户的顺序模式中提取项目间更深层次的联系。同时考虑用户的长期偏好，将相似用户的嵌入作为补充增强用户表征。在MovieLens-1M和Gowalla数据集上，实验结果表明提出的方法在准确率precision@N、召回率recall@N、均值平均精度（mean average precision，MAP）上优于其他方法。

关键词：序列推荐,潜在空间,自注意力机制,成对编码,卷积神经网络,

基金资助：国家自然科学基金资助项目(61772249)；；