声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1196/TP
国际刊号：1001-3695
发布日期:
作者：张杰,陈可佳,
单位：南京邮电大学a.计算机学院、软件学院、网络空间安全学院;b.江苏省大数据安全与智能处理重点实验室,南京210023；
关键词：推荐系统,多兴趣框架,项目关联,自注意力机制,
基金：国家自然科学基金资助项目(61876091)；南京邮电大学校级科研基金资助项目(NY221071)；；
现有基于多兴趣框架的序列推荐方法仅从用户近期交互序列中学习得到用户多兴趣表示，忽略了数据集中项目间的关联信息。针对这一问题，提出了一种关联项目增强的多兴趣序列推荐方法IAMIRec（item associations aware multi-interest sequential recommendation method）。首先通过数据集中用户交互序列计算得到项目关联集合和对应的项目关联矩阵，然后根据项目关联矩阵通过多头自注意力机制建模用户的近期交互序列，最后使用多兴趣框架学习得到用户的多个兴趣向量并进行top-N推荐。在三个数据集上对该方法进行了测试与分析，IAMIRec在recall、NDCG（normalized discounted cumulative gain）和hit rate指标上的表现均优于相关方法。实验结果说明 IAMIRec可以实现更优的推荐性能，也表明引入项目关联信息可以有效增强用户的多兴趣表示。
来源：2023年第2期
《计算机应用研究》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。