融合用户兴趣建模的智能推荐算法研究

摘要

强化学习被越来越多地应用到推荐系统中.提出一种基于DDPG融合用户动态兴趣建模的推荐方法(DDPG-LA),使用LSTM网络提取用户的长期兴趣,利用注意力机制方法提取用户的短期兴趣,将两种兴趣结合作为智能体的状态.同时,在LSTM网络中加入状态增强单元,以加速模型对于用户长期兴趣的建模,在注意力机制中加入缓解推荐延迟的模块来解决该方法应用于推荐系统中时所产生的缺陷.在Movelines的两个数据集上对模型进行实验,同时在各种测试指标上与传统方法进行比较,结果显示所提出的算法更具优越性.