期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
融合图注意力网络和注意力因子分解机的服务推荐方法 被引量：1
1
作者 黄德玲 童夏龙 杨皓栋 《重庆邮电大学学报（自然科学版）》 CSCD 北大核心 2024年第2期357-366,共10页
为了解决服务推荐过程中的特征稀疏问题、提高服务的语义表示能力,进而提升推荐的准确性和有效性,提出基于图注意力网络(graph attention networks,GAT)研究服务推荐方法,引入服务的组合权重和组合的结构信息,综合利用多种服务特征,提... 为了解决服务推荐过程中的特征稀疏问题、提高服务的语义表示能力,进而提升推荐的准确性和有效性,提出基于图注意力网络(graph attention networks,GAT)研究服务推荐方法,引入服务的组合权重和组合的结构信息,综合利用多种服务特征,提高服务推荐质量。将GAT和注意力因子分解机(attention factorization machine,AFM)结合在一起,利用多头自注意力机制,学习每个节点在图邻域中的重要性;进行信息聚合,处理网络中的不同图结构,以适应服务动态变化的场景。实验结果显示,在数据平衡的情况下,提出的方法性能表现均好于对比方法;在数据不平衡的情况下,提出的方法大部分性能指标也表现良好,达到了提升服务推荐准确性和有效性的目标。 展开更多
关键词 服务推荐 图注意力网络 注意力因子分解机 应用程序接口
在线阅读 下载PDF
基于交互注意力的可解释性推荐方法 被引量：2
2
作者 冯兴杰 崔桂颖 《计算机应用与软件》 北大核心 2022年第10期292-298,328,共8页
目前基于评论的推荐算法大多采用静态独立的方法提取用户和物品评论的潜在特征表示,将用户的偏好表示为静态特征向量,而用户在与不同的物品交互时通常表现出不同的偏好。因此,提出一种基于交互注意力的可解释性推荐方法,利用交互注意力... 目前基于评论的推荐算法大多采用静态独立的方法提取用户和物品评论的潜在特征表示,将用户的偏好表示为静态特征向量,而用户在与不同的物品交互时通常表现出不同的偏好。因此,提出一种基于交互注意力的可解释性推荐方法,利用交互注意力来研究用户评论和物品评论之间的相关性。另外,受LSTM中门控制的启发,模型还增加门控层来自适应地合并两边网络提取出的特征向量,利用注意力因子分解机进一步对高阶特征交互进行建模,实现评分预测。通过注意力权重衡量评论信息,提高预测评分的可解释性。实验结果表明,推荐结果准确性进一步提高,验证了该方法的有效性。 展开更多
关键词 推荐系统 深度学习 交互注意力 注意力因子分解机
在线阅读 下载PDF
基于感知注意力的深度交叉网络推荐模型 被引量：1
3
作者 崔少国 张岗 王奥迪 《计算机与现代化》 2023年第7期54-60,共7页
推荐系统中融合低、高阶特征组合对预测的点击通过率至关重要。本文设计一种基于感知注意力的深度交叉网络推荐模型(Attention Deep Cross IO-awre Factorization Machine,ADCIOFM)。传统推荐模型通过注意力因子分解机和深度交叉网络分... 推荐系统中融合低、高阶特征组合对预测的点击通过率至关重要。本文设计一种基于感知注意力的深度交叉网络推荐模型(Attention Deep Cross IO-awre Factorization Machine,ADCIOFM)。传统推荐模型通过注意力因子分解机和深度交叉网络分别对低、高阶特征进行提取,然而注意力因子分解机对低阶组合特征的提取容易忽略隐藏的字段信息,深度交叉网络挖掘用户兴趣的多样性偏弱。因此,本文通过融入感知辅助矩阵来增强注意力机制估计低阶组合特征权重的表示能力。通过融入多头注意力机制,对不同子空间的特征深度进行提取,以解决深度交叉网络挖掘用户兴趣多样性的不足。最后,将低、高阶组合特征进行有效融合共同进行推荐。通过在Criteo、Movielens-100K这2个数据集上进行实验对比,以AUC指标进行评估,相较于基准模型有着0.0087和0.0159的提升。 展开更多
关键词 点击通过率 感知注意力因子分解机 交叉网络 多头注意力机制 深度神经网络
在线阅读 下载PDF
融合知识图谱和用户行为信息的个性化推荐算法研究
4
作者 程静文 王全民 《计算机科学与应用》 2021年第4期948-961,共8页
针对传统协同过滤存在的稀疏性和冷启动问题,通常使用深度神经网络(DNN)构建融合知识图谱和推荐系统的推荐任务。但目前的方法未曾考虑特征间的低阶线性关系,虽可加入因子分解机(FM),但不同的特征对模型的贡献不同,FM可能会因所有特征... 针对传统协同过滤存在的稀疏性和冷启动问题,通常使用深度神经网络(DNN)构建融合知识图谱和推荐系统的推荐任务。但目前的方法未曾考虑特征间的低阶线性关系,虽可加入因子分解机(FM),但不同的特征对模型的贡献不同,FM可能会因所有特征交互设置相同的权重而受到阻碍;DNN解决知识图谱这种具有不规则、可扩展、多重结构特性的数据结构不具普适性。针对以上问题,提出MKAFG模型,推荐部分加入具有注意力机制的FM,通过注意力网络区分不同特征交互的重要性,使FM提取到对目标预测起到重要作用的一阶、二阶线性交互特征。知识嵌入部分使用图卷积神经网络(GCN),提高推荐系统推荐效果。实验结果表明,MKAFG在MovieLens-1M数据集上的推荐效果优于主流推荐模型。 展开更多
关键词 推荐系统 知识图谱 深度神经网络 注意力因子分解机 图卷积神经网络
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部