基于自注意力的协同演进推荐

孙磊磊，张宇翔，肖春景

(中国民航大学 计算机科学与技术学院，天津 300300)

0 引 言

个性化推荐系统的目标是从用户的历史交互数据中挖掘用户的兴趣，并向用户推荐最合适的项目。目前矩阵分解及其变体得到了广泛的应用，但是这些方法并没有明确考虑用户的兴趣偏好以及与项目特征属性的时序动态性。比如用户的兴趣和电影的受欢迎度是随着时间不断变化的。

时序推荐算法采用相应的序列处理技术(比如马尔科夫链、循环神经网络和注意力机制等)从用户的近期交互记录中挖掘用户短期的兴趣偏好。然而这类算法忽略了项目的特征也是随着交互而不断变化，即用户的兴趣和项目的属性是协同演进的。时序点过程有效地解决了用户和项目协同进化问题，但参数假设过多，违背了实际情况。近年来人们采用循环神经网络(RNN或者LSTM)分别表征用户以及项目的特征演进过程，但由于模型在每个时刻输入的信息太过单一，忽略了交互序列中项目之间的语义关系；其次由于参数共享，导致演进过程中的信息丢失，因此无法有效学习到用户以及项目的时序特征。

为解决上述协同演进过程中存在的问题，本文提出了基于自注意力的协同演进推荐模型(BSFRNN)。模型通过融合了自注意力机制提取的序列语义特征和基于RNN模型提取的时序特征有效解决了信息丢失和语义信息无法获取的问题。其次使用矩阵分解挖掘用户以及项目中长期不变的特征属性。……