计算机应用研究

作者：王杉文,欧鸥,张伟劲,欧阳飞,

单位：成都理工大学信息科学与技术学院(网络安全学院),成都610051；

关键词：推荐算法,深度学习,特征拼接,域加权因子分解机,CTR预测,

基金：国家重点研发计划资助项目(2018YFF01013304)；贵州地质灾害预警平台调查评价系统(80303-AHG069)；；

近年来随着深度学习在多个领域取得了不错的效果，深度学习也开始应用在推荐系统，例如利用深度学习技术来捕捉高阶特征交互的NFM模型和DeepFM模型等。然而考虑到外部环境和内部感知的变化，用户的兴趣也应该随着时间动态的变化，且基于原始特征进行组合不一定能学到有效特征交互。为此尝试构建一种新的模型FG_DRFwFm，该模型能学习多特征域低阶与高阶特征交互与处理用户长期兴趣变化，并且训练特征是根据原始特征构建出新特征并拼接后组成的，能更好地学习有效特征交互。最后该模型在MovieLens数据集上与多个先进的CTR算法进行推荐效果对比验证，实验结果证明提出的模型取得了更好的效果。

来源：2021年第10期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第10期