基于邻居交互增强和多头注意力机制的跨域推荐模型

湖北民族大学学报-孙克雷、汪盈盈-2023

思路

针对基于映射的跨域推荐模型没有充分关注源域中数据稀疏的用户，导致用户偏好的迁移效率降低的问题，提出本文。
首先，利用邻居用户的交互来增强源域中数据稀疏用户的交互序列，以捕获更丰富的用户行为信息；然后，采用多头注意力机制从交互序列中提取用户可迁移的偏好特征，以全面捕捉用户兴趣的多个方面；最后，将提取的用户特征输入元网络生成个性化映射函数，并根据源域迁移的用户嵌入来实现目标域的个性化推荐。

问题定义

用带上标的U,V代表源域s和目标域t的用户和项目，另有O代表s和t重叠的用户，但s和t的项目不重叠。冷启动指的是在s中但不在t中的用户的推荐（表示为U加上标c）。将s的评分矩阵R分解为{U，V}；t的R同样被分解。对于每一个u都有一个交互列表S和一个k个的邻居列表N。本模型的目标是根据观察到的两个领域的交互数据，为冷启动用户推荐t中的项目。

模型设计

一、邻居交互增强
通过源域的交互矩阵的分解，可以获得用户和项目的嵌入表示。
如果2个用户在对项目的偏好上高度重叠，那它们的嵌入也将相似，于是可以在用户嵌入层用最近邻检索算法找到具有相似偏好的用户。其中的最近邻算法用的是局部敏感哈希算法LSH（将高维空间向量映射到低维空间，并使用