注意力增强LSTM推荐网络

长短期偏好自适应融合

通过注意力和双向循环架构结合，在提升长期偏好建模精度的同时增强模型可解释性，适用于移动应用推荐场景。

杨辰 · Jinyuan, Fang · 王创 · Zeyi, Fan · See-To, Eric Wing Kuen · 牛奔

Information Sciences 2025

参数信息

性能提升

36.6 %

用户数

37074

应用数

52783

技术优势

偏好提取更准

通过注意力机制增强LSTM架构，并利用BiRNN从交互序列中提取更准确的用户偏好，从而提升推荐效果。

模型可解释

注意力机制能够突出重要时间点，使模型决策过程更透明，便于理解和调试。

应用场景

• 移动应用推荐：帮助用户在海量应用中找到所需应用，提升使用体验。
• 个性化服务：通过更准确地提取用户偏好，提供更个性化的应用推荐。
• 用户行为分析：利用用户-应用交互序列分析用户长期和短期偏好，提升行为理解能力。