基于多头自注意力神经网络的购物篮推荐方法

摘要：

　　[目的]针对用户一次购买多件物品的场景，为用户推荐下一次可能购买的多件物品。[方法]基于多头自注意力神经网络设计一种新的购物篮推荐方法，该方法使用多头自注意力机制捕捉购物篮中不同物品的关系以及融合物品属性信息，并使用具有注意力的循环神经网络建模购物篮序列信息。[结果]实验结果表明，本文方法优于传统推荐方法和现有基于深度学习的推荐方法，特别是在TaoBao数据集上F1值提升2％。[局限]本文方法仅提升了推荐结果的准确性，是否能够提升多样性还需进一步验证。[结论]多头自注意力能够更好地对购物篮进行建模，进而提升购物篮推荐效果。

关键词： 购物篮推荐 深度神经网络 多头自注意力 物品属性

作者: 倪维健 郭浩宇 刘彤 曾庆田

作者单位: 山东科技大学计算机学院 青岛266510

会议类型: 国内会议

会议名称: 第二届数据分析与知识发现学术研讨会

会议地点: 兰州

会议语种:中文

页码: 68-77

在线出版日期: 2019-07-10（万方平台首次上网日期，不代表论文的发表时间）