基于双重注意力机制的降噪自编码器推荐算法

摘要：

为了解决传统协同过滤算法的准确度因评分缺失产生的剧烈变化以及冷启动问题,本文提出了一种新的降噪自编码器推荐算法.该方法将注意力机制与辅助信息共同融入降噪自编码器中对评分与交互数据进行处理.首先针对用户交互项目动态分配注意力以学习用户偏好,然后再次通过注意力机制学习隐藏层向量、用户偏好、辅助信息的权重以获得完整评分矩阵.在公开数据集上对该算法进行实验仿真,观察算法性能.结果表明,该算法有效利用了辅助信息且准确度有明显提高.

关键词：降噪自编码器、注意力机制、推荐算法、辅助信息、深度学习

所属期刊栏目：30

资助基金：国家自然科学基金;中国博士后科学基金面上项目;北京市博士后科研活动经费;朝阳区博士后科研活动经费;北京工业大学基础研究基金资助项目

在线出版日期：2021-01-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1234-1242