首页|融合特征交叉与用户历史行为序列的微地图推荐

融合特征交叉与用户历史行为序列的微地图推荐

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
针对现有微地图(WeMaps)推荐算法未充分挖掘用户与微地图特征,推荐结果准确率较低的问题,提出融合特征交叉与用户历史行为序列的微地图推荐算法.首先,在用户与地图特征交叉过程中通过引入跳跃连接和多头自注意力机制,让不同特征组合能够自动获得权重,并通过在多个子空间下进行特征交叉获得了更丰富的特征组合信息.其次,在用户历史行为序列中引入了交叉注意力机制,捕捉与候选地图相关的兴趣点.最后,融合特征交叉和用户行为序列模块的输出,获得了综合多个维度的推荐结果.在公开数据集Criteo和自制微地图(WeMaps)数据集上的对数损失值分别为0.4461、0.3797,受试者操作特征曲线下面积值(Area Under the ROC Curve,AUC)分别为0.8052、0.7883.相较于本文对比实验中的二阶特征交叉模型,损失值分别降低了1.7％、14.2％,AUC值提高了0.8％、0.4％.相较于本文对比实验中的高阶特征交叉模型,损失值平均降低了1.3％、2.6％,AUC值平均提高了0.6％,0.2％.较低的损失值和较高的AUC值说明模型进行预测时具有较高的准确性和较好的分类能力.实验结果表明,本文算法不但能为用户提供更为准确的推荐结果,也能使推荐结果具备良好的可解释性.
Integration of Feature Interaction and User Historical Behavior Sequence for WeMaps Recommendation

WeMapsrecommendation algorithmfeature interactionskip connectionmulti-head self-attentioncross-attentionuser historical behavior sequenceexplainability

杨军、王琛锡、闫浩文

展开 >

兰州交通大学电子与信息工程学院,兰州730070

兰州交通大学测绘与地理信息学院,兰州730070

微地图 推荐算法 特征交叉 跳跃连接 多头自注意力 交叉注意力 用户历史行为序列 可解释性

国家自然科学基金中央引导地方科技发展资金项目(2021)兰州市人才创新创业项目兰州交通大学天佑创新团队项目甘肃省教育厅优秀研究生"创新之星"项目

422610672021-512020-RC-22TY2020022023CXZX-548

2024

10.12082/dqxxkx.2024.20230119

地球信息科学学报
中国科学院地理科学与资源研究所

地球信息科学学报

CSTPCD北大核心
影响因子：1.004
ISSN：1560-8999
年,卷(期)：2024.26(1)
  • 25