声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：曾义夫,牟其林,周乐,蓝天,刘峤,
关键词：基于会话的推荐系统, 行为建模, 图表示学习, 用户兴趣, 神经网络,
根据历史记录预测用户的下一次点击(即基于会话的推荐)是推荐系统中一个重要的子任务.重点研究会话推荐中如何在不牺牲预测准确性的情况下缓解用户的兴趣漂移问题，提高用户满意度.基本思想是从全局统计的角度出发，建立一个用于表示物品先后点击顺序的物品依赖关系图，据此提出一种图表示学习算法，生成可以保留关联物品间复杂关联关系的物品向量表达，最后，基于长/短期记忆机制，将物品向量表达作为“固定”输入，从而构建一个可以同时捕捉用户长期兴趣和短期兴趣的会话感知推荐模型.不同于其他相关工作，首次提出将下一次点击预测模型建立在“固定”物品表达的基础上.在公开数据集上的实验结果表明：提出的推荐模型在预测准确性和推荐多样新颖性上的表现优于其他相关方法.
来源：2020年第3期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。