基于注意力机制的深度协同推荐模型构建

摘要

协同过滤中的矩阵分解算法在推荐系统中应用广泛,但其很难充分利用用户和项目描述文档信息,存在显式数据稀疏的问题。由于注意力机制与深度神经网络强大的特征学习能力,本文提出了基于注意力机制的深度协同推荐模型,将评分矩阵的行和列融合用户和项目文档中的描述信息后作为输入,以此缓解数据稀疏性问题;引入注意力机制,有利于神经网络层更好地提取输入向量的非线性特征。在公开的数据集上的实验表明,本文所提出的算法提高了评分预测的准确性。