计算机工程

作者：牛耀强, 孟昱煜, 牛全福

单位：1. 兰州交通大学 电子与信息工程学院, 兰州 730070;2. 兰州理工大学 土木工程学院, 兰州 730050

关键词：短期文本推荐,数据嵌入,异质数据,双向GRU,注意力机制

基金：国家自然科学基金（41461084）；甘肃省自然科学基金（1606RJZA033）。

针对当前大数据环境下文本推荐不精确的问题，对文本数据和关系网络2种异质数据进行融合，并引入编码器-解码器框架，提出基于异质注意力的循环神经网络模型用于短期文本推荐。使用句子级的分布记忆模型和实体关系表示方法TransR，分别将文本数据和关系网络嵌入到高维向量中作为模型的输入。在编码器阶段，使用双向GRU将用户的短期兴趣引入到推荐模型中，并将注意力机制与解码器相连接，使解码器能动态地选择并线性组合编码器输入序列的不同部分，以建模用户在短期内的偏好。在解码器阶段，将编码器的注意力输出、候选项和当前用户的表示作为输入。通过双向GRU和前馈网络层，计算每个候选项的得分得到推荐结果。实验结果表明，与TF-IDF和ItemKNN等模型相比，该模型在召回率和均值平均精度指标上均有明显提升。

来源：2020年第10期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第10期