一种基于特征层面更深的自注意力网络的序列推荐方法

摘要

本发明公开了一种基于特征层面更深的自注意力网络的序列推荐方法，本发明提出一个基于特征层面更深的自注意力网络的序列推荐方法(FDSA)。具体来说，FDSA首先通过一个一般的注意力机制将物品的多种异构特征以不同的权重结合到特征序列。随后，FDSA在物品序列和特征序列运用独立的自注意力块分别去建模物品转换模式和特征转换模式。然后，我们结合这两个块的输出结果到一个全连接层来预测下一个物品。最后，大量的实验结果表明考虑物品的特征之间的转换关系能够明显地提高序列推荐的性能。