一种融合表征的农产品推荐算法

摘要：

针对农产品电商平台,产品季节性强、地域性强、用户行为多变,导致推荐效果不理想的问题,提出了一种融合表征的农产品推荐算法.首先,用长短期记忆网络和注意力网络相结合组成深度兴趣网络,以此来捕获物品的潜在特征;其次,构建用户-商品二部图;再次,利用图神经网络提取图数据的连接信息对每个节点的影响,并更新节点的嵌入式表示,以获取用户的潜在特征;最后,将两种潜在特征通过多层感知机得到待推荐农产品的购买概率,进一步提取和利用了用户行为序列中的用户深度兴趣,并将其融合深度兴趣网络进行推荐.实验结果表明:融合表征的农产品推荐算法相较于原有模型AUC指标提高9%以上,准确率和召回率提高约 6%以上;相较于不考虑节点嵌入式表示的情况,AUC和准确率、召回率也均有提高.

关键词：图神经网络、深度兴趣网络、推荐系统、农产品、用户行为、二部图

所属期刊栏目：29

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金;黑龙江省自然科学基金项目

在线出版日期：2024-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：20-27