基于多头自注意力神经网络的购物篮推荐方法

摘要：

[目的]针对用户一次购买多件物品的场景,为用户推荐下一次可能购买的多件物品.[方法]基于多头自注意力神经网络设计一种新的购物篮推荐方法,该方法使用多头自注意力机制捕捉购物篮中不同物品的关系以及融合物品属性信息,并使用具有注意力的循环神经网络建模购物篮序列信息.[结果]实验结果表明,本文方法优于传统推荐方法和现有基于深度学习的推荐方法,特别是在TaoBao数据集上F1值提升2％.[局限]本文方法仅提升了推荐结果的准确性,是否能够提升多样性还需进一步验证.[结论]多头自注意力能够更好地对购物篮进行建模,进而提升购物篮推荐效果.

关键词：购物篮推荐、深度神经网络、多头自注意力、物品属性

所属期刊栏目：4

分类号：TP391(计算技术、计算机技术)

资助基金：本文系国家自然科学基金项目“面向用户群组的结构化推荐技术及其应用研究”;国家自然科学基金项目“应急预案流程图谱自动建模方法及其在场景式诊断中的应用”

在线出版日期：2020-06-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：68-77