融合时序模型和WD模型的在线商城商品推荐

摘要

在进行商品推荐时,需要考虑用户的潜在时序信息,而传统的LSTM等时序模型对特征复杂度较高的样本数据信息表达有所欠缺.针对以上问题,为同时处理时序信息和特征复杂度较高的样本,提出W&D-LSTM模型,引入W&D算法框架处理复杂特征,并加入LSTM模块对用户潜在的时序行为进行挖掘,在公开数据集的基础上,利用平均准确率和召回率等准确性评价指标对模型进行评估.实验结果表明W&D-LSTM模型的准确性相较于其他对比模型更为优越,可以更加准确地对用户进行商品推荐.