融合胶囊网络的双向自适应序列推荐算法

摘要

序列推荐算法可以通过对用户的交互序列进行建模来预测用户下一步交互的项目.但是现有的大多数序列推荐算法仅仅简单地将项目的位置嵌入和时间嵌入相加，这并不能体现位置和时间在不同场景下对于项目的重要性.此外，目前已有的研究经常忽视用户的多样化兴趣，未能有效捕捉他们的多种潜在兴趣.因此，该文提出融合胶囊网络的双向自适应序列推荐算法，使用自注意力机制自适应地为每个用户交互项目动态分配位置和时间信息相应的权重，同时使用胶囊网络从项目总嵌入中梳理出用户多变的兴趣爱好，并且抛弃了传统的单向提取项目的隐藏特征表示的方法，改用双向长短期记忆网络捕获用户多种兴趣偏好的上下文信息，更好地理解用户兴趣随时间的变化情况.经过在多个数据集上的实验评估，该算法相较于传统的基线算法，在各种评价指标上均实现了一定水平的提高.

关键词

序列推荐 / 注意力机制 / 胶囊网络 / 双向长短期记忆网络