基于DNN与注意力机制的推荐算法模型OACSTPCD
Recommendation Algorithm Model Based on DNN and Attention Mechanism
为解决因子分解机在提取高阶组合特征的缺陷问题,更好地学习到更多有用的特征信息,尝试用因子分解机提取交叉特征,并结合注意力网络、深度神经网络和多头自注意力机制等方法,从低、高阶组合特征中学习关键特征信息,最后根据不同阶的组合特征的重要性加权融合得到结果,以预估广告点击率.实验主要基于广告数据集Criteo展开,并在MovieLens数据集上进行类比实验,验证所提出算法模型的有效性,实验结果显示,本文提出的算法模型相较于基准模型,在2个数据集上的AU…查看全部>>
In order to solve the defect of factorization machine in extracting high-order combination features and learn more use-ful feature information better,this paper attempts to use factorization machine to extract cross-feature and learn key feature infor-mation from low and high-order combination features by combining attention network,deep neural network,multi-head self-attention mechanism and other methods.Finally,the weighted fusion results were obtained acc…查看全部>>
周超;丛鑫;訾玲玲;肖谷平
重庆师范大学计算机与信息科学学院,重庆 401331重庆师范大学计算机与信息科学学院,重庆 401331重庆师范大学计算机与信息科学学院,重庆 401331重庆师范大学计算机与信息科学学院,重庆 401331
计算机与自动化
因子分解机神经网络注意力网络特征提取
factorization machineneural networkattention networkextract cross-feature
《计算机与现代化》 2024 (6)
1-7,114,8
重庆师范大学博士启动基金/人才引进项目(21XLB030,21XLB029)重庆市教育科学"十四五"规划重点课题(K22YE205098)
评论