基于用户长短期偏好的个性化推荐

摘要

针对现有序列推荐模型忽略用户的长期偏好和短期偏好，导致推荐模型不能充分发挥作用，推荐效果不佳的问题，提出一种基于用户长短期偏好的个性化推荐模型.首先，针对长期偏好序列长且不连续的特点，采用BERT(bidirectional encoder representations from transformers)对长期偏好建模；针对短期偏好序列短且与用户交互的间隔时间较短，具有易变性，采用垂直水平卷积网络对短期偏好建模；在得到用户的长期偏好和短期偏好后，利用激活函数进行动态建模，然后利用门控循环网络对长短期偏好进行平衡.其次，针对用户在日常交互中的误碰行为，采用稀疏注意力网络进行建模，在对长短期偏好建模前使用稀疏注意力网络进行用户行为序列处理；用户特征偏好对推荐结果也会有影响，使用带有偏置编码的多头注意力机制对用户特征进行提取.最后，将各部分得到的结果输入到全连接层得到最后的输出结果.为验证本文模型的可行性，在数据集Yelp和MovieLens-1M上进行实验，实验结果表明该模型优于其他基线模型.

关键词

序列推荐 / 长期偏好 / 短期偏好 / 稀疏注意力网络 / 垂直水平卷积网络