模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2023, Vol. 36 Issue (4): 354-365    DOI: 10.16451/j.cnki.issn1003-6059.202304005
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
多特征融合短会话推荐模型
夏鸿斌1,2, 黄凯1, 刘渊1,2
1.江南大学 人工智能与计算机学院 无锡 214122;
2.江南大学 江苏省媒体设计与软件技术重点实验室 无锡 214122
Multi-feature Fusion Based Short Session Recommendation Model
XIA Hongbin1,2, HUANG Kai1, LIU Yuan1,2
1. School of Artificial Intelligence and Computer Science, Jiangnan University, Wuxi 214122;
2. Jiangsu Key Laboratory of Media Design and Software Technology, Jiangnan University, Wuxi 214122

全文: PDF (700 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 多数会话推荐系统研究都聚焦于长会话推荐而忽略短会话.但是在实际情况下,短会话信息却占据大多数.由于短会话包含的信息有限,如何从短会话中学习更丰富的用户偏好和更精确地找到相似上下文会话成为一个急需解决的问题.为此,文中提出多特征融合短会话推荐模型.首先,通过邻域聚合和循环神经网络分别学习会话的节点特征和序列特征.再使用自定义的相似度计算公式检索当前用户历史会话和其他用户会话作为上下文,缓解短会话信息稀少的问题.然后,利用位置感知多头自注意力网络充分发掘会话的隐藏特征.最后,模型以多特征融合的当前会话为依据推荐下一个项目.在两个真实数据集上的实验表明文中模型在指标值上都较优.本文模型代码地址为http://github.com/ScarletHK/MFF-SRR.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
夏鸿斌
黄凯
刘渊
关键词 特征融合辅助信息短会话会话推荐    
Abstract:Most research on session recommendation systems focuses on long session recommendation and neglects short sessions. However, in practice short session information account for majority of the information. Due to the limited information contained in short sessions, it is crucial to learn more diverse user preferences and find similar context sessions accurately from short sessions. Therefore, a multi-feature fusion based short session recommendation model(MFFSSR) is proposed. Firstly, the node features and sequence features of sessions are learned respectively via neighborhood aggregation and recurrent neural networks. Secondly, the custom similarity calculation formula is utilized to retrieve the current user history session and other user sessions as context information, which alleviate the lack of information in short sessions. Next, the location-aware multi-head self-attention network is applied to fully explore the hidden features of sessions. Finally, the model recommends the next item based on the current session of multi-feature fusion. Experiments on two real datasets show that the proposed model is superior in terms of metrics. The code for the proposed model can be found at http://github.com/ScarletHK/MFF-SRR.
Key wordsFeature Fusion    Auxiliary Information    Short Session    Session-Based Recommendation   
收稿日期: 2023-01-31     
ZTFLH: TP 391.3  
基金资助:国家自然科学基金项目(No.61972182)资助
通讯作者: 夏鸿斌,博士,副教授,主要研究方向为个性化推荐、自然语言处理、计算机网络优化.E-mail:hbxia@163.com.   
作者简介: 黄 凯,硕士研究生.主要研究方向为个性化推荐、机器学习.E-mail:1205549613@qq.com.刘 渊,硕士,教授,主要研究方向为网络安全、社交网络.E-mail:lyuan1800@sina.com.
引用本文:   
夏鸿斌, 黄凯, 刘渊. 多特征融合短会话推荐模型[J]. 模式识别与人工智能, 2023, 36(4): 354-365. XIA Hongbin, HUANG Kai, LIU Yuan. Multi-feature Fusion Based Short Session Recommendation Model. Pattern Recognition and Artificial Intelligence, 2023, 36(4): 354-365.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202304005      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2023/V36/I4/354
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn