融合注意力机制的食谱推荐方法研究

摘要

针对现有食谱推荐方法中用户与食谱交互不充分问题,提出一种基于注意力属性异构网络嵌入的食谱推荐方法。首先使用one-hot编码将用户的属性、食谱的配料做法等转化为节点特征;然后通过转化函数将特征转化为节点特征嵌入和基础嵌入,同时在同类型边内和不同类型边间分别使用注意力机制,学习节点聚合时不同类型交互下不同用户的偏好权重,生成节点的边嵌入,将3种嵌入相加得到节点的完整嵌入;最后通过基于元路径的随机游走和skip-gram模型进行负采样优化,挖掘出节点间的潜在交互可能性,最终完成食谱推荐。使用下厨房数据集的10000条交互数据进行实验,结果表明,该算法比当前领先的算法在ROC、PR、F1值上分别提高了2.5%、2.8%、2.3%。