会话型推荐系统中的冷启动问题研究

发布时间：2021-11-27 22:16

　　会话型推荐系统是推荐系统中一个新兴的研究领域,它将用户的顺序交互行为序列按照会话进行划分,根据用户在会话中展现出来的兴趣偏好,为其推荐在下一时刻可能感兴趣的商品。当前主流的会话型推荐系统都是基于循环神经网络的架构,其主要思想是利用循环神经网络出色的序列化建模能力来捕捉用户在当前会话中表现出来的短期偏好,进而完成推荐。然而这种方法仅关注于用户的短期偏好却忽略了用户在过去会话中的长期行为习惯,这导致了基于循环神经网络的会话型推荐系统中普遍存在的冷启动问题。尽管学者们针对冷启动这一问题陆续提出了一些解决方案,但这类方法也仅是使用一个普通的循环神经网络来对用户的历史会话序列进行建模,这使得它们对于用户的历史行为一视同仁,无法捕捉到不同会话和不同商品对用户的重要程度的差异性。为了解决上述会话型推荐系统的不足,本文提出了一种新的基于分级注意力机制的会话型推荐系统模型。该模型采用分层的网络结构,第一层网络负责建模用户在当前会话中的短期行为,该网络在传统基于循环神经网络的会话型推荐系统的基础上增加了一个用户的嵌入向量作为网络的输入,使得网络能够捕捉更具个性化的用户短期行为偏好,进而提升模型推荐的准确率... 

【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

不同学习率下的更新示意图

一个循环神经网络来捕捉用户在当前会话中的短期行为偏好，同时使用另一个独环神经网络来对用户的长期行为进行建模，之后将用户的长期行为习惯和短期行进行融合，来改善冷启动的现象。本小节将对两种主流的用户长期行为建模方法绍，并说明它们目前存在的不足。1.1 基于分层 GRU 的建模方法为了改善会话型推荐算法中的冷启动问题，Quadrana 等人[27]在基于循环神经网话推荐模型的基础上，提出了一种新的基于分层循环神经网络的模型（H-RNerarchicalRNN）。该模型同样使用一个普通的门控循环单元 来捕捉用户在话中的短期偏好，同时新增了第二层门控循环单元 ，用于建模用户跨会期行为习惯。此外，为了提升 在会话开始阶段的推荐性能，模型选择 的输出向量来初始化 的原始隐藏状态。其整体网络结构示意图如图示：

图 4-3 数据集划分方式没有采取机器学习任务中常见的随机划分训练集测试集的方为推荐系统的任务是对用户过去的行为建模来预测他们在未取随机划分的方式，可能使得训练出来的模型无法很好地捕性，从而导致模型在实际应用中的性能与训练时的结果产生训练过程述的预处理流程，用户 的行为序列已经被划分为多个长度, 2 ,…, } ，其中每个会话序列 又包含了用户在该会话品 { , ∈ | = 1,2,…, }，各个物品按照用户交互的时间戳阶段，模型首先会取出用户 在训练集中的 个最 +1,…, } ，作为用户的长期行为序列。为了从用户的该序习惯和偏好，模型会将 { , +1 ,…, } 输入到一个基

【参考文献】：
期刊论文
[1]基于深度学习的推荐系统研究综述[J]. 黄立威,江碧涛,吕守业,刘艳博,李德毅.  计算机学报. 2018(07)
[2]基于点击流的电商用户会话建模[J]. 袁兴福,张鹏翼,刘洪莲,王军.  图书情报工作. 2015(01)
[3]协同过滤推荐算法综述[J]. 马宏伟,张光卫,李鹏.  小型微型计算机系统. 2009(07)

博士论文
[1]基于排序学习的信息检索模型研究[D]. 程凡.中国科学技术大学 2012

硕士论文
[1]基于深度学习的会话型推荐系统研究[D]. 李京.山东大学 2018
[2]基于深度学习的推荐技术研究及应用[D]. 史冬霞.电子科技大学 2018
[3]基于Time-LSTM的推荐系统[D]. 廖翊康.浙江大学 2018
[4]基于深度神经网络的用户会话推荐算法研究[D]. 俞骋超.浙江大学 2016



本文编号：3523150