科研之友
微信
新浪微博
Facebook
分享链接
摘要
现有的大多数序列推荐算法，将每个项目映射到一个向量进行表示，当项目数量过于庞大时，其项目嵌入表存在内存效率问题；另外很多序列推荐算法与一些过度参数化的网络相结合，导致训练过程中存在参数冗余的问题，影响模型的计算速度和性能。针对以上问题，该文设计了一种轻量级的序列推荐算法，以取得相比以往方法更高的内存效率。首先使用动态组合嵌入方法，通过互补分区生成一组更小的基嵌入表，并使用商余技巧和权重分配动态地生成最终的项目嵌入。其次，为了避免参数冗余，引入动态卷积网络和双头自注意力来提取用户的短期和长期偏好。结合以上两个部分，得到一种轻量级的序列推荐算法DCE-DCN,并且在三个公开数据集Beauty、Yelp和MovieLens-1M上设置充分的实验验证了算法的有效性。
- 出版日期2023
- 单位自动化学院; 昆明理工大学
