基于多兴趣协同演化的序列推荐算法研究.pdfVIP

摘要

电子商务平台中的产品种类繁多，客户具有多种兴趣偏好，而且这些兴趣偏

好是不断变化的。用户在一个兴趣类内的行为存在较强的前后依赖关系，相似兴

趣类之间的行为也存在一定的影响。在用户偏好学习中，忽略不同行为之间的关

系很容易受到噪声或无关行为的干扰。因此，挖掘客户历史行为之间的关系对于

了解客户的偏好具有重要的意义。

本文提出了一种多兴趣协同演化模型，分析用户行为之间的复杂关系，并利

用行为之间的关系来挖掘用户偏好的兴趣类内变化以及兴趣类间的协同演化。该

模型主要由三个部分组成。首先，使用谱聚类技术对用户行为聚类，来划分兴趣

类。其次，设计了一种基于注意力机制的兴趣类调整策略，刻画用户的多种个性

化兴趣。最后，改进了长短期循环神经网络模型，并利用兴趣类之间的相似关系

来学习用户多种兴趣的协同演化。本文在三个真实数据集上进行了实验验证。实

验结果表明所提模型的性能优于所选的对比算法，验证了所提模型的每个组成部

分的有效性，也证明了所提模型能在获得较好的推荐准确性和多样性。

关键词：谱聚类，多兴趣，注意力机制，长短期循环神经网络，个性化推荐

ABSTRACT

Therearevariouscategoriesofproductsine-commerceplatforms.Customers

oftenhaveawiderangeofpreferences,andthesepreferencesareconstantlychanging.

Therearestrongsequentialdependenciesonbehaviorswithinthesamepreference

cluster.Inaddition,behaviorsbetweenthesimilarpreferenceclustersalsohavestrong

interactionswitheachother.Thepreferencelearningiseasilytobeinterferedbynoise

ifignoringtherelationshipbetweendifferentbehaviors.Therefore,miningthe

relationshipbetweencustomers’historicalbehaviorsisimportantforthelearningof

customers’preferences.

Inthispaper,weproposeamultiplepreferencesco-evolutionarysequential

recommendationmodel(MPCER)toanalyzethecomplexrelationshipbetween

customers’behaviors,andusetherelationshipbetweenbehaviorstoexplorethe

evolutionofcustomers’preferencesinthesamepreferenceclusterandtheco-evolution

ofpreferencesbetweendifferentclusters.First,weusespectralclusteringtechnology

toclustercustomers’behaviorsanddividepreferenceclusters.Secondly,wedesigna

preferenceadjustingstrategybasedontheattentionmechanismtolearncustomers’

multiplepersonalizedpreferences.Finally,weimprovethelongshort-termmemory

(LSTM)modelandusetherelation