融合深度特征提取和注意力机制的跨域推荐模型 |
| |
引用本文: | 操凤萍,张锐汀.融合深度特征提取和注意力机制的跨域推荐模型[J].深圳大学学报(理工版),2023(3):266-274. |
| |
作者姓名: | 操凤萍 张锐汀 |
| |
作者单位: | 1. 东南大学成贤学院计算机工程学院;2. 华泰证券股份有限公司 |
| |
基金项目: | 国家重点研发计划资助项目(2020YFC2007401);;江苏省重点实验室资助项目(2242021K30021)~~; |
| |
摘 要: | 为缓解跨域推荐中目标域数据稀疏和冷启动问题,综合增强嵌入、嵌入迁移、注意力机制调整和跨域推荐技术,提出一种融合深度特征提取和注意力机制的跨域推荐模型(cross-domain recommendation model of deep feature extraction and attention mechanism, CRDFEAM).利用潜在因子模型将类型相似度合并到矩阵分解过程,挖掘项目类型的隐性偏好.相比评分这一显性偏好,项目类型能更充分获取用户特征.在跨域迁移时,用分布对齐方式使域间差异最小化,以减少两个领域特征之间的数据分布差异.相对于直接迁移,分布对齐方式具有更强的可解释性.在特征调整过程中,引入多层感知机(multilayer perceptron, MLP)映射,并使用注意力机制进一步调整用户特征,使源域中没有出现过的目标域用户注意到源域用户的特征信息,同时也使源域中出现过的目标域用户注意到目标域中的项目特征信息.在真实数据集Movielens(M)、Netflix(N)和Douban(D)上的实验验证结果表明,引入MLP映射嵌入的CRDFEAM+模型的均方根误差(r...
|
关 键 词: | 人工智能 迁移学习 跨域推荐 注意力机制 特征嵌入 潜在因子 矩阵分解 |
|