×

一种基于DeepFM的深度兴趣因子分解机网络

消耗积分:0 | 格式:pdf | 大小:2.60 MB | 2021-04-20

分享资料个

　　推荐系统能够根据用户的喜妤从海量信息中筛选岀其可能感兴趣的信息并进行排序展示。随着深度学习在多个研究领域取得了良好的效果，其也开始应用于推荐系统。目前基于深度学习的推荐排序算法常采用Eπ bedding&MLP模式，只能获得高阶的特征交互。为了解决该问题， Deepfm在上述模式中加入了因子分解机（ Factorization Machine，FM），能够实现端到端的低阶与高阶特征交互学习，但其缺乏用户兴趣多样性的表示。鉴于此，通过将多头注意力机制引λ Deepen，提岀了深度兴趣因子分解机网络（ Deep Interest Factorization Machine Network， DIFMN）。 DIFMN能够根据待推荐的不同物品自适应地学习用户表示，展示用户兴趣的多样性。此外，该模型根据用户历史行为的种类添加了喜好表征，从而不仅能够应用于只记录用户爱好的历史行为的任务，还可以处理同时记录用户喜欢与不喜欢的历史行为的任务。采用 tensorflow-gpu进行算法的实现，在 Amazon（ Electronics）和 movielen-20m两个公开数据集上进行对比测试，实验表明所提算法相比 Deepfm分别有7.70%和35.24%的 Relalmpr提升，验证了其可行性与有效性。

下载并关注上传者 开通VIP，低至0.08元下载/次

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !