一种融合注意力和记忆网络的序列推荐算法

摘要

传统基于协同过滤和矩阵分解的静态表示推荐算法,不能很好地体现用户的动态兴趣。循环神经网络能够进行序列推荐,但存在序列之间的长距离依赖性差、各项目的区分度差等问题。由此提出一种融合注意力和记忆网络的序列推荐算法,根据Word2vec算法,引申item2vec和user2vec,初始化用户和项目的固定表示嵌入矩阵,通过结合注意力机制和长短期记忆网络(Long Short-Term Memory,LSTM)解决序列之间的长距离依赖性差和区分度差问题。利用记忆网络获取用户的动态邻居,加强用户的动态表示,实现更准确的推荐。通过在MovieLens数据集上的实验结果表明,所提出的算法相比其他算法推荐效果显著提高。