基于循环卷积神经网络的上下文感知协同过滤推荐模型

作     者：王凤姣 王一晴 段超 WANG Feng-jiao;WANG Yi-qing;DUAN Chao

作者机构：闽江师范高等专科学校数字信息工程学院福建福州350001 福建省高校物联网应用工程中心福建福州350000 浙江师范大学浙江省智能教育技术与应用重点实验室浙江金华321004 

基　　金：国家自然科学基金项目(62207027,62177024) 浙江省智能教育技术与应用重点实验室项目(jykf22029) 浙江省教育科学规划课题(2023SCG369) 教育部产学合作协同育人项目(220906424035704) 

出 版 物：《淮阴师范学院学报（自然科学版）》 (Journal of Huaiyin Teachers College;Natural Science Edition)

年 卷 期：2024年第23卷第1期

页      码：27-34页

摘      要：随着网络信息的爆炸式增长,推荐系统在缓解信息过载和信息迷航问题方面发挥着关键作用.如何更好地利用海量的网络信息挖掘用户的偏好和项目的特征成为当前研究的热点.针对这一热点,本文设计了一种深度混合模型从而更充分的提取文本上下文信息特征辅助推荐,提出的基于循环卷积神经网络的上下文感知协同过滤推荐模型通过利用循环卷积神经网络挖掘项目描述文本上下文信息中的特征,再结合概率矩阵分解实现评分预测.此外,探究利用多头注意力机制重点关注文本上下文信息中的多项重要信息.模型在两个公开数据集ML-100k和ML-10m上进行了实验,实验结果表明,本研究所提出的模型在RMSE和MAE评价指标上相较于广泛使用的基线模型有明显改进,其中RMSE指标在ML-100k数据集上的有效性比aSDAE高出5.42%.

主 题 词：推荐系统 循环神经网络 卷积神经网络 注意力机制 概率矩阵分解 

学科分类：08[工学] 0835[0835] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.16119/j.cnki.issn1671-6876.2024.01.004

馆 藏 号：203126678...