检索结果-南通市图书馆

微电子学与计算机 2024年

作者：张根生李汪根杨航王志格开新安徽师范大学计算机与信息学院

序列推荐旨在通过对用户的历史交互序列建模，以预测该用户的下一项交互。目前，基于Transformer改进的序列推荐模型利用点积自注意力来衡量序列中的关系，拥有卓越的性能。然而，由于用户交互数据中夹杂一定的噪声，模型在训练时很容... 详细信息

序列推荐旨在通过对用户的历史交互序列建模，以预测该用户的下一项交互。目前，基于Transformer改进的序列推荐模型利用点积自注意力来衡量序列中的关系，拥有卓越的性能。然而，由于用户交互数据中夹杂一定的噪声，模型在训练时很容易拟合到噪声数据，导致过拟合。另外，传统自注意力机制中还天然存在高内存占用以及二次计算复杂度的问题。为了解决上述两个问题，针对性提出了一种融入过滤算法的概率自注意力序列推荐模型FPA-Rec（Filter ProbAttention Recommendation）。输入序列在经过嵌入矩阵映射之后，先经过一层可学习的过滤器结构来对序列中的噪声信号进行抑制，得到更加纯净的序列输入。之后使用概率自注意力代替传统的自注意力，来解决传统自注意力机制中存在的高内存占用和二次计算复杂度问题。最终，通过实验验证，FPA-Rec模型达到了最优的推荐效果，在以Beauty、Yelp为代表的两个数据集上，评价指标Hit@10较最优模型提升1.2%、1.7%。评价指标NDCG@10较最优模型提升2.4%、2.0%。

关键词：过滤算法概率自注意力序列推荐

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：