计算机应用研究

作者：张晓宇,梅红岩,胡思雨,赵恩童,

单位：辽宁工业大学a.电子与信息工程学院;b.软件学院,辽宁锦州121001；

关键词：文本信息,多头注意力机制,深度强化学习,交互式推荐,

基金：国家自然科学基金资助项目(12371363)；辽宁省教育厅面上项目(JYTMS20230869)；国家级大学生创新训练计划资助项目(202410154001)；辽宁省科技计划联合计划(重点研发计划项目)(2025JH2/101800245)；；

针对交互式推荐系统（IRS）仍然存在深度强化学习（DRL）所带来的数据稀疏性和大型离散动作空间导致的效率低下问题，提出了一种融合文本增强与深度强化学习的交互式推荐方法（TDIRS）。首先利用文本信息来获得丰富的嵌入表示，并构建一个基于多头注意力机制的深度强化学习模型以捕捉用户不断变化的偏好，从而缓解稀疏问题；同时，给出一种基于项目流行度和嵌入表示的动态候选动作生成方法来识别用户感兴趣的项目，并缩小动作空间，从而提高推荐性能。实验表明，TDIRS在music等数据集上的核心指标优于其基线方法，其中HR@10最高提升了7个百分点。实验结果验证了TDIRS的有效性。

来源：2025年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第12期