基于双塔隐语义与自注意力的跨域推荐模型 |
| |
引用本文: | 操凤萍,张锐汀,窦万峰.基于双塔隐语义与自注意力的跨域推荐模型[J].华中师范大学学报(自然科学版),2023(5):724-732. |
| |
作者姓名: | 操凤萍 张锐汀 窦万峰 |
| |
作者单位: | 1. 东南大学成贤学院计算机系;2. 江苏远程测控技术省重点实验室;3. 华泰证券股份有限公司;4. 南京师范大学计算机科学与技术学院 |
| |
基金项目: | 国家重点研发计划项目(2020YFC2007401);;国家自然科学基金项目(41771411);;江苏省重点实验室项目(2242021K30021); |
| |
摘 要: | 为缓解跨域推荐数据稀疏与冷启动问题,该文提出一种融和双塔隐语义与自注意力机制的跨域推荐模型(DLLFM-DA/Self atten CDR model, DLDASA),能够有效提升目标域推荐准确率.首先利用提出的双塔隐语义模型(DLLFM),借助源域和目标域用户的类别偏好和项目类别,生成高质量隐语义;其次,在隐语义特征迁移过程中引入域适应(domain adaptation),有效对齐源域与目标域的特征分布,最小化源域与目标域间数据分布差异,提供更高质量的隐语义特征迁移;然后利用多头自注意力机制捕捉两个域之间的差异性与相关性,对差异信息进行筛选与融合,缓解负迁移问题,以提升跨域推荐质量;最后,在Movielens-Netflix和一品威客(YPWK)-猪八戒网(ZBJW)真实数据集上,将DLDASA与基线单域和跨域推荐模型进行对比实验,结果表明,均方根误差(RMSE)和平均绝对误差(MAE)均有明显改善.该研究验证了DLDASA模型能够更充分地提取用户特征,有效缓解目标域信息不足的问题.
|
关 键 词: | 跨域推荐 迁移学习 双塔模型 域适应 自注意力机制 |
|
|