计算机科学››2024,第51卷››问题(5): 45-53.数字对象标识:10.11896/jsjkx.230200049
•数据库、大数据和数据科学• 以前的文章 下一篇文章
陈文忠1、陈红梅1, 2、周丽华1, 2、方圆三
收到:
修订过的:
在线:
出版:
关于作者:
支持单位:
摘要:序列推荐旨在通过分析用户和项目之间的历史交互序列,了解用户的动态偏好,并推荐用户可能感兴趣的下一个项目。预训练模型因其适用于下游任务的优点,在序列推荐中受到了研究者的关注。现有的序列推荐预训练方法忽略了实际生活中时间对用户交互行为的影响。为了更好地捕捉用户和项目之间交互的时间语义,本文提出了一种新的模型TPTS-Rec(时序推荐的时间感知预训练方法)。首先,在嵌入层中引入时间嵌入矩阵,以获得用户交互序列中项目与时间之间的相关性。然后,在自关注层中提出了相同的时间采样方法,以学习项目之间的时间相关性。最后,在微调阶段,从时间维度放大用户交互序列以缓解数据稀疏性。在实际数据集上的实验结果表明,所提出的TPTS-Rec模型优于基线模型。
关键词: 序列建议, 训练前, 自我监督学习, 相互信息最大化, 时间属性
CLC编号:
陈文忠、陈红梅、周丽华、方圆。时序推荐的时序预训练方法[J]。计算机科学,2024,51(5):45-53。
0 / / 推荐
添加到引文管理器 尾注|样板客户经理|项目|BibTeX公司|参考Works
网址: https://www.jsjkx.com/EN/10.11896/jsjkx-230200049
https://www.jsjkx.com/EN/Y2024/V51/I5/45
引用