面向序列推荐的小程序应用情境感知与建模

小程序自2017年横空出世就广受用户青睐，主张“即扫即用、即用即走”,但依旧难以针对用户所处特定情境下的需求提供更细粒度和差异化的服务.为此，本文提出一种基于注意力网络的情境感知序列推荐模型(ACA-SR).首先在活动理论视角下对情境信息进行本体建模；然后通过重新定义门控循环单元的更新门和重置门，计算由这些情境所确定的隐藏状态，对用户偏好进行动态建模；最后，通过利用关联情境中的注意力网络，模型能够区分历史行为序列中每个小程序的重要性.实验结果表明，该算法相比其他算法在评价指标如命中率、平均倒数排名和归一化折损累计增益有显著提升.