基于知識(shí)圖譜的長(zhǎng)短期序列推薦算法

摘要： 現(xiàn)有的部分序列推薦算法較少關(guān)注用戶短期興趣隨時(shí)間變化的問(wèn)題，從而導(dǎo)致推薦的精度不夠理想，且在用戶興趣轉(zhuǎn)變的可解釋性上有待提高。據(jù)此，提出了一種基于知識(shí)圖譜的長(zhǎng)短期序列推薦算法(KGLSR)。將交互歷史劃分為長(zhǎng)期和短期行為序列后，結(jié)合卷積神經(jīng)網(wǎng)絡(luò)與注意力機(jī)制進(jìn)行長(zhǎng)期興趣的特征重構(gòu)，并引入知識(shí)圖譜與圖注意力更新用戶的短期偏好，最后實(shí)現(xiàn)自適應(yīng)聚合。經(jīng)驗(yàn)證，該模型在3類真實(shí)場(chǎng)景下的數(shù)據(jù)...