文献类型：期刊文章

作　　者：肖青秀[1,2] 汤鲲[3]

XIAO Qing-xiu;TANG Kun(Nanjing FiberHome World Communication Technology Co.,Ltd.,Nanjing 210019,China;Wuhan Research Institute of Posts and Telecommunications,Wuhan 430074,China;Nanjing FiberHome Starrysky Communication Development Co.,Ltd.,Nanjing 210019,China)

机构地区：[1]南京烽火天地通信科技有限公司,江苏南京210019 [2]武汉邮电科学研究院,湖北武汉430074 [3]南京烽火星空通信发展有限公司,江苏南京210019

出　　处：《计算机与现代化》

年　　份：2018

期　　号：11

起止页码：109-114

语　　种：中文

收录情况：IC、ZGKJHX、普通刊

摘　　要：传统协同过滤技术仅使用用户对物品的评分矩阵,没有充分利用用户和物品的其他多种特征,而且由于评分矩阵非常稀疏,导致推荐系统的推荐准确率严重下降。近几年深度学习技术在机器学习的多个领域取得了显著的成就,本文针对传统协同过滤推荐系统的问题,提出一种基于双层注意力机制的深度学习推荐系统。以电影推荐为例,使用深度学习框架处理推荐系统中的多种输入特征信息,同时引入双层注意力机制,分别学习用户和电影每个特征之间的偏好以及用户与其观影列表中每一部电影间的偏好,从而尽可能多地利用用户和电影的特征数据,学习用户的行为偏好,在一定程度上改善了推荐的效果。

关 键 词：双层注意力机制  深度学习  推荐系统 电影推荐

分 类 号：TP391.3]