查看更多>>摘要:针对传统的群组推荐预定义策略过于单一,忽视用户与项目之间的交互性,无法捕捉时间推移所造成的用户偏好迁移等问题,提出一种融合时间序列和注意力机制的群组推荐模型TAGR(time-attitation group rememdation).首先通过层次聚类划分出高相似度群组,其次引入时间序列模型来捕捉用户偏好迁移过程,获取每个时刻用户行为的兴趣偏好,并聚合各时刻兴趣偏好作为用户偏好.最后结合注意力机制,获得用户权重进行偏好融合来表示群组偏好,最终作为推荐模型的输入.通过在Goodbook与MovieLens数据集上与 NCF、AGREE 等模型进行对比,TAGR在归一化折扣累计增益和命中率2个指标上都得到了显著提高.