基于改进的宽深度模型的推荐方法研究-计算机应用与软件.PDFVIP

第３５卷第１１期　　　 计算机应用与软件 Ｖｏｌ３５Ｎｏ．１１ ２０１８年１１月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｎｏｖ．２０１８ 基于改进的宽深度模型的推荐方法研究 １ ２ １ １，３ 王艺平 　冯旭鹏 　刘利军 　黄青松 １（昆明理工大学信息工程与自动化学院　云南昆明６５０５００） ２（昆明理工大学教育技术与网络中心　云南昆明６５０５００） ３（云南省计算机技术应用重点实验室　云南昆明６５０５００） 摘　要　　现代社交网络的个性化博文推荐中，博文特征选取质量的高低直接影响了推荐的质量和效率。深度 模型可以较高质量地提取出文本中句法和语义的特征。然而短文本特征稀疏且未考虑上下文语境的问题，普遍 存在于文本推荐任务中。针对以上问题，在现有宽深度模型的基础上，利用门限循环单元对其多层普通神经网络 进行改进，提出宽深度门循环联合（Ｗｉｄｅ＆ＤｅｅｐＧＲＵ）模型，进一步探索浅层部分和深度部分的联合训练。使用 从新浪微博获取的真实数据集分别与单一逻辑回归模型、单一深度神经网络模型和宽深度模型进行对比。实验 表明，该方法整体上推荐质量较高，同时推荐效率较之前模型也有显著提高。 关键词　　文本推荐　排序模型　深度学习　门循环神经单元 中图分类号　ＴＰ３　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１８．１１．００７ ＴＨＥＲＥＣＯＭＭＥＮＤＡＴＩＯＮＭＥＴＨＯＤＢＡＳＥＤＯＮＩＭＰＲＯＶＥＤＷＩＤＥＡＮＤＤＥＥＰＭＯＤＥＬ １ ２ １ １，３ ＷａｎｇＹｉｐｉｎｇ　ＦｅｎｇＸｕｐｅｎｇ　ＬｉｕＬｉｊｕｎ　ＨｕａｎｇＱｉｎｇｓｏｎｇ １（ＦａｃｕｌｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｕｔｏｍａｔｉｏｎ，ＫｕｎｍｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｋｕｎｍｉｎｇ６５０５００，Ｙｕｎｎａ，Ｃｈｉｎａ） ２（ＥｄｕｃａｔｉｏｎａｌＴｅｃｈｎｏｌｏｇｙａｎｄＮｅｔｗｏｒｋＣｅｎｔｅｒ，ＫｕｎｍｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｋｕｎｍｉｎｇ６５０５００，Ｙｕｎｎａ，Ｃｈｉｎａ） ３（ＹｕｎｎａｎＫｅｙＬａｂｏｒａｔｏｒｙｏｆＣｏｍｐｕｔｅｒＴｅｃｈｎｏｌｏｇｙＡｐｐｌｉｃａｔｉｏｎｓ，Ｋｕｎｍｉｎｇ６５０５００，Ｙｕｎｎａｎ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｉｎｔｈｅｐｅｒｓｏｎａｌｉｚｅｄｂｌｏｇｓｒｅｃｏｍｍｅｎｄａｔｉｏｎｏｆｍｏｄｅｒｎｓｏｃｉａｌｎｅｔｗｏｒｋｓ，ｔｈｅｑｕａｌｉｔｙｏｆｂｌｏｇｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎ ｄｉｒｅｃｔｌｙａｆｆｅｃｔｓｔｈｅｑｕａｌｉｔｙａｎｄｅｆｆｉｃｉｅｎｃｙｏｆｒｅｃｏｍｍｅｎｄａｔｉｏｎ．Ｄｅｅｐｍｏｄｅｌｃａｎｅｘｔｒａｃｔｓｙｎｔａｃｔｉｃａｎｄｓｅｍａｎｔｉｃｆｅａｔｕｒｅｓ ｆｒｏｍｔｅｘｔｉｎａｈｉｇｈｅｒｑｕａｌｉｔｙ．Ｈｏｗｅｖｅｒ，ｔｈｅｓｈｏｒｔｔｅｘｔｆｅａｔｕｒｅｓａｒｅｓｐａｒｓｅａｎｄｄｏｎｏｔｃｏｎｓｉｄｅｒｔｈｅｃｏｎｔｅｘｔ，ｗｈｉｃｈａｒｅ ｕｂｉｑｕｉｔｏｕｓｉｎｔｈｅｔｅｘｔｒｅｃｏｍｍｅｎｄａｔｉｏｎｔａｓｋｓ．Ａｉｍｅｄａｔａｂｏｖｅｐｒｏｂｌｅｍ，ａｗｉｄｅａｎｄｄｅｅｐＧＲＵｍｏｄｅｌ，ｂａｓｅｄｏｎｔｈｅ ｅｘｉｓｔｉｎｇｗｉｄｅａｎｄｄｅｅｐｍｏｄｅｌ，ｗａｓｐｒｏｐｏｓｅｄｂｙｕｓｉｎｇＧａｔｅｄＲｅｃｕｒｒｅｎｔＵｎｉｔｔｏｉｍｐｒｏｖｅｉｔｓｏｒｄｉｎａｒｙｍｕｌｔｉｌａｙｅｒｎｅｕｒａｌ ｎｅｔｗｏｒｋｓｓｏａｓｔｏｆｕｒｔｈｅｒｅｘｐｌｏｒｅｔｈｅｊｏｉｎｔｔｒａｉｎｉｎｇｏｆｔｈｅｓｈａｌｌｏｗｐａｒｔａｎｄｄｅｐｔｈｐａｒｔ．Ｉｎｔｈｉｓｐａｐｅｒ，ｔｈｅｒｅａｌｄａｔａｓｅｔｓ ｏｂｔａｉｎｅｄｆｒｏｍ