基于改进的宽深度模型的推荐方法研究

摘要

现代社交网络的个性化博文推荐中,博文特征选取质量的高低直接影响了推荐的质量和效率.深度模型可以较高质量地提取出文本中句法和语义的特征.然而短文本特征稀疏且未考虑上下文语境的问题,普遍存在于文本推荐任务中.针对以上问题,在现有宽深度模型的基础上,利用门限循环单元对其多层普通神经网络进行改进,提出宽深度门循环联合(Wide & Deep-GRU)模型,进一步探索浅层部分和深度部分的联合训练.使用从新浪微博获取的真实数据集分别与单一逻辑回归模型、单一深度神经网络模型和宽深度模型进行对比.实验表明,该方法整体上推荐质量较高,同时推荐效率较之前模型也有显著提高.