一种基于对抗学习与双向长短期记忆网络的推荐算法

摘要

本发明涉及一种基于对抗学习与双向长短期记忆网络的推荐算法，其包括以下步骤：第一步、预先定义符号A1)异构信息网络定义；A2)异构信息网络中的路径定义；A3)在异构信息网络G中，定义用户u到物品i的节点连接序列作为路径，定义为p＝[v1,v2,…,vl],p∈P；第二步、建模如下：S1、建模嵌入层，用初始化节点向量表示；S2、构建序列建模层，将第S1步骤中初始化得到的向量表示作为输入，并应用到现有的利用基于注意力机制的双向LSTM模型中来优化节点的向量表示并学习模型中系数矩阵和偏移向量；S3、设置预测层、最终计算概率；S4、构建对抗学习模型。本发明通过学习对抗性正则化项，加入到损失函数中，优化模型，缓解异构网络中节点关系噪声的问题，提高节点嵌入的鲁棒性，保证推荐的准确度。