基于雙重注意力機制的降噪自編碼器推薦算法 ①

王倩雯 張延華 付瓊霄 李 萌 李 慶

(北京工業大學信息學部信息與通信工程學院 北京 100124)

0 引 言

隨著技術的不斷發展，信息量持續增長，用戶身處信息爆炸化環境，無法快速尋找所需內容。搜索引擎雖然能滿足某些用戶的需求，但并不能學習用戶偏好從而主動幫助用戶搜尋合適信息[1]。而推薦系統在解決信息過載問題的同時可完成用戶個性化推薦。

推薦系統主要分為三類，即基于內容的推薦、基于協同的推薦和混合推薦[2]。其中基于協同的推薦[3]可有效利用其他相似用戶的反饋信息并推薦新鮮項目，現已經成為應用最廣的推薦系統。但基于協同的推薦算法仍有明顯不足，無法為零歷史用戶和新物品進行推薦，這就是推薦系統中常見的冷啟動問題[4]。為了緩解這些問題，研究人員通常將內容信息融入協同算法中進行混合推薦。

近年來深度學習因特征提取能力強，在多個領域表現優異[5-6]。2007年，在Nexflix Prize推薦大賽上提出將深度學習應用于推薦系統。此后，基于深度學習的推薦系統研究受到國際學術界越來越多的關注，ACM推薦系統年會于2016年召開第1屆基于深度學習的推薦系統研究專題研討會，國內外許多研究機構也對基于深度學習的推薦系統開展了廣泛研究。Du等人[7]將隱因子模型與多層感知機相結合，提出了一種新的群體推薦策略。利用多層感知機獲取用戶與項目之間的潛在聯系，并根據推薦分數設計均衡推薦策略，確保群體用戶的滿意程度，有效提高了群體推薦準確率。……