基于层级过滤器和时间卷积增强自注意力网络的序列推荐

作者：杨兴耀^*; 沈洪涛; 张祖莲; 于炯; 陈嘉颖; 王东晓

来源：计算机应用, 2023, 1-10.

• 自注意力机制
• 过滤算法
• 时间卷积网络
• 序列推荐
• 对比学习

针对实际推荐场景中用户意外交互产生的噪声问题以及自注意力机制中注意力分布分散导致用户短期需求偏移难以捕获的问题，提出一种基于层级过滤器和时间卷积增强自注意力网络的序列推荐(FTARec)模型。首先，通过层级过滤器过滤原始数据中的噪声；然后，结合时间卷积增强自注意力网络和解耦混合位置编码获取用户嵌入，该过程通过时间卷积增强来补充自注意力网络在项目短期依赖建模上的不足；最后，结合对比学习改善用户嵌入并根据最终用户嵌入进行预测。相较于自注意力序列推荐(SASRec)、过滤增强的多层感知器序列推荐(FMLP-Rec)等现有序列推荐模型，FTARec在三个公开数据集Beauty、Clothing和Sports上取得了更高的命中率(HR)和归一化折损累计增益(NDCG)，相较于次优的DuoRec,HR@10指标分别提高了7.91%、13.27%、12.84%,NDCG@10指标分别提高了5.52%、8.33%、9.88%，验证了所提模型的有效性。

• 出版日期2023
• 单位新疆兴农网信息中心; 新疆维吾尔自治区气象局; 新疆大学