基于嵌入式向量和循环神经网络用户行为预测方法.docVIP

基于嵌入式向量和循环神经网络用户行为预测方法 　　摘 要： 为了进一步描述时间因素对用户行为的影响，进而提高推荐系统的推荐效果，综合考虑了用户的长期行为特征和短期行为特征提出一种基于嵌入式向量和循环神经网络的用户行为预测方法。依据推荐系统中的所有用户行为数据，将用户和商品嵌入到相同的特征空间，并通过嵌入式向量反应用户的长期行为特征。针对每个用户，依据其历史行为的时间序列，基于循环神经网络建立该用户的行为预测模型，从而描述该用户的短期行为特征。实验结果表明，提出的方法与特征级时间序列分析等方法相比具有更好的推荐效果。 　　关键词： 循环神经网络； 深度学习； 嵌入式向量； 用户行为预测； 时间序列 　　中图分类号： TN711?34； TP319 文献标识码： A 文章编号： 1004?373X（2016）23?0165?05 　　User behavior prediction method based on embedded vector 　　and recurrent neural network 　　LIU Yangtao1， NAN Shupo2， YANG Xinfeng3 　　（1. School of Software， Nanyang Institute of Technology， Nanyang 473004， China； 　　2. Department of Public Education， Xinlian College of Henan Normal University， Zhengzhou 450000， China； 　　3. College of Computer and Information Engineering， Nanyang Institute of Technology， Nanyang 473004， China） 　　Abstract： In order to further describe the effect of time factor on user behavior， and improve the recommendation effect of the recommendation system， a user behavior prediction method based on embedded vector and recurrent neural network is proposed by comprehensively considering the long?term and short?term user behavior features. According to all user behavior data in recommendation system， the users and commodities are embedded into the same feature space. The embedded vector is used to reflect the long?term user features. According to the time series of each user′s historic behavior， the user behavior prediction model was built based on recurrent neural network to describe this user′s short?term behavior feature. The experiment results show that， the proposed method has better recommendation effect than that of the feature?level time series analysis method and other methods. 　　Keywords： recurrent neural network； deep learning； embedded vector； user behavior prediction； time series 　　0 引 言 　　推荐系统在电子商务、社会网络和信息检索等领域中都有着广泛的应用[1]。在推荐系统中，数据往往被表示成一个用户行为矩阵。用户行为矩阵的纵坐标表示用户，矩阵的横坐标表示商品、用户或者网页等，矩阵中的每一个元素表示对应的纵坐标和横坐标之间的关系，如用户购买商品的数量，用户和用户之间的连接关系，以及用户对网页的访问行为等。随着网络服务的运行，用户行为矩阵中