融合用户行为序列预测的混合推荐算法

作     者：孙红 鹿梅珂 SUN Hong;LU Meike

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(61472256 61170277 61703277) 

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

年 卷 期：2023年第36卷第4期

页      码：84-89页

摘      要：对于用户行为序列中隐藏用户兴趣的捕捉是近年来推荐算法研究的热门方向。传统的序列预测模型使用用户最后一次点击的商品为目标,建立用户行为和目标商品间的关联,并没有充分挖掘用户序列间的先后关系。文中在传统的DIN模型的基础上进行了改进,采用一段时间内的连续行为作为目标向量,使用transformer结构完成序列到序列的预测任务,进一步提取和利用了用户行为序列中的用户深度兴趣,并将其作为辅助特征结合DIN进行推荐。在亚马逊图书数据集和电子数据集上的实验结果表明,文中提出的基于DIN混合推荐模型比原DIN模型的AUC指标分别提升了约0.7%和1.9%。由此可知,基于用户行为序列预测的混合推荐可以在多特征推荐系统中起到一定的辅助作用。此外,文中还对用户序列长度对模型结果造成的影响进行了探究。

主 题 词：推荐系统 点击率预估 计算广告 CTR预估 混合推荐 用户序列 用户偏好 注意力机制 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.16180/j.cnki.issn1007-7820.2023.04.012

馆 藏 号：203121174...