基于自注意力机制的用户实时兴趣多样性推荐

摘要：

如何有效分析用户兴趣并实时推荐其感兴趣的商品或服务,是商务智能发展面临的新挑战.现有推荐算法大多只考虑推荐的准确性,忽略了用户的实时性和多样性需求,导致推荐结果较滞后且同质化,影响用户满意度.文中根据用户在选购商品过程中的兴趣变化特征,提出基于自注意力机制的实时多样性推荐算法,有效挖掘用户潜在兴趣.首先基于自注意力机制的门限循环单元网络挖掘用户实时兴趣,并采用对比学习的方法对商品进行差异性分类,获得多样性推荐列表;其次结合循环神经网络对用户下一次行为进行预测,可有效解决实时推荐场景下数据稀疏问题.最后使用国内外RecSys和IJCAI-15比赛中的电子商务数据集Yoochoose以及Tmall,对算法的准确性、多样性和用户满意度三项指标进行验证,结果表明,文中所提算法在不损失实时推荐准确性的前提下,丰富了推荐结果的多样性,且用户满意度高于同类算法,尤其在数据稀疏的小样本数据集中表现更优.

关键词：实时兴趣、多样性推荐、自注意力机制、用户满意度

所属期刊栏目：43

分类号：C931(管理学)

在线出版日期：2023-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：2579-2594