华南理工大学学报(自然科学版)

作者：黄敏 齐海涛 蒋春林

单位：1． 华南理工大学 软件学院，广东 广州 510006; 2． 华南理工大学 图书馆，广东 广州 510006

关键词：推荐系统,协同过滤,注意力机制,卷积神经网络

基金：广东省软科学重点项目 ( 2016B070704010 ) ; 广东省自然科学基金资助项目 ( 2017A030313432，2021A1515011496) ; 国家社会科学基金资助项目 ( 17BTQ020)

协同过滤作为一种常见的推荐系统实现方式，能给用户带来个性化的推荐服务体验。传统的协同过滤模型没有对用户和项目的不同显式属性的关注程度进行挖掘和分析，导致了不同显式属性的关键程度未被模型关注。因此，在基于卷积神经网络的耦合协同过滤模型的基础上，文中引入了注意力机制，以深度挖掘显式属性的关键程度，增强在关键属性上的参数学习梯度; 提出了一种新的耦合程度计算方法，以保证参数的齐次性，提高模型的推荐性能。实验结果表明，文中提出的模型的推荐精准率较传统协同过滤方法和耦合协同过滤模型更优，top K@ 10 命中率和归一化折损累计增益分别达到0. 8508 与 0. 5850。

来源：2021年第7期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2021年第7期