朱馨培

（哈尔滨陆军预备役炮兵旅，哈尔滨150000）

0 引言

在推荐系统的发展历史中，用户的喜好在很长一段时间内都被看是静态不变的。由此对用户做出的推荐在层次上都会缺乏多样性，即便能够用神经网络拟合更好的特征，也很难发现用户的变化的潜在兴趣。另一个更为合理的假设是用户的兴趣是由用户的长期静态喜好和短期动态兴趣组成。用户的长期喜好受自身成长因素、性格特征等因素的影响，这部分喜好可看作是静止不变的。用户的短期动态兴趣随时间而动态变化，受当前环境和用户好友等周边因素影响较大。要对用户的短期动态喜好建模，需要将其与系统交互历史中的时间作为特征考虑进数据集中，这就是序列化推荐模型。本文提出了基于动态记忆网络的序列推荐模型，首先介绍序列推荐模型的范式，然后再对提出的模型结构进行详细的介绍。

1 序列推荐模型的范式

形式上，序列化推荐模型的任务是通过给定用户的历史行为序列对未来行为进行预测的推荐模型。假设有一组用户表示为用户u的按时间顺序排列的历史行为（点击或是购买）序列表示为是用户u购买或点击的第i个物品，然后模型在物品的全集I上预测物品的得分。用来表示用户在所有物品上的得分，其中表示用户在物品j上的预测分数或喜好程度。最后，模型在y中选择得分最高的k个物品作为推荐。

2 序列推荐模型框架

在序列推荐中，我们从两个角度对用户进行表示，得到用户的两种表示方法。……