融入注意力网络的深度分解机推荐算法

作     者：邬彤 于莲芝 WU Tong;YU Lianzhi

作者机构：上海理工大学光电信息与计算机工程学院上海200093 

基　　金：国家自然科学基金(61603257) 

出 版 物：《电子科技》 (Electronic Science and Technology)

年 卷 期：2023年第36卷第1期

页      码：38-43,50页

摘      要：推荐系统能够在海量的信息中找到满足用户个性化需求的信息。随着深度学习的发展,深度学习也开始广泛被推荐系统所应用。CTR预估在推荐系统中起着重要作用,已被应用在个性化推荐、信息检索、在线广告等多个领域。针对推荐系统数据量大且稀疏的问题,文中将注意力网络和xDeepFM模型融合,提出了一种新的基于深度学习的CTR预估模型,即Atte-xDeepFM模型。该模型能够解决特征稀疏问题,有效学习特征之间的交互关系,且不需要手动提取特征工程中的有用信息。在Avazu数据集和Criteo数据集上进行的对比实验证明了文中提出的模型的有效性。与推荐系统CTR预估常用的算法模型对比,文中所提出的模型具有更好的推荐效果。

主 题 词：推荐系统 深度学习 个性化推荐 计算广告 CTR预估 因子分解机 注意力网络 特征稀疏 

学科分类：08[工学] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.16180/j.cnki.issn1007-7820.2023.01.006

馆 藏 号：203116042...