融合序列局部信息的日期感知序列推荐算法

基于自注意力机制的序列推荐算法利用用户的交互序列建模用户的动态偏好，预测用户未来的行为。但是，将交互序列直接输入自注意力层将会限制算法对序列局部关联信息的有效利用。此外，现有的大部分推荐算法利用用户最近的行为表征与目标项目的点积计算项目得分，这将削弱先前交互项目对推荐结果的影响。提出融合序列局部信息的日期感知序列推荐算法，使用多个垂直过滤器融合各交互项目在交互序列中的多种局部关联信息，同时使用交叉注意力机制捕获所有历史交互项目和目标项目的关系，并且抛弃了传统的位置嵌入方法，改用交互发生的日期作为绝对时间嵌入。在多个公开数据集上的实验表明，该算法在不同的评估指标上较基线算法均有一定程度的提升。