赵华锐　于瓅

摘  要：针对推荐系统中用户兴趣度标签消失问题，在排序层提出一种改进的深度兴趣网络模型。首先，将深度兴趣网络模型应用于视频推荐领域，并在改进的模型中加入平衡因子，有效地解决了在训练过程中用户兴趣度标签消失问题。其次针对推荐系统整体召回率问题，在召回层提出一种混合推荐模型。使用Item2vec模型和贝叶斯个性化排序模型组合成一种混合推荐模型。实验结果显示：改进后的深度兴趣网络和混合模型应用在视频推荐系统中很好地提高了推荐效果。

关键词：深度兴趣网络；混合模型；Item2vec；推荐系统

中图分类号：TP391.3；TP183 文献标识码：A  文章编号：2096-4706（2023）12-0081-04

Research on Recommendation System Based on Advanced Deep Interest Network

ZHAO Huarui， YU Li

（School of Computer Science and Engineering， Anhui University of Science and Technology， Huainan  232001， China）

Abstract： Aiming at the disappearance of user interest tags in recommendation systems， an improved deep interest network model is proposed in the ranking layer. Firstly， the deep interest network model is applied to the field of video recommendation， and a balance factor is added to the improved model to effectively solve the problem of disappearance of user interest tags in the training process. Secondly， to solve the problem of overall recall rate of the recommendation system， a hybrid recommendation model is proposed in the recall layer. The Item2vec model and Bayesian personalized sorting model are combined to form a hybrid recommendation model. The experimental results show that the improved deep interest network and hybrid model greatly improve the recommendation effect in the video recommendation system.

Keywords： deep interest network; hybrid model; Item2vec; recommendation system

0  引  言

在信息爆炸式增长的时代，人们很难从丰富而复杂的信息中获取真正感兴趣的信息。如何快速且精准地从大量信息中获得自己想要的信息就成了关键。随着推荐系统的出现，尤其是个性化推荐成功地解决了该问题。

当前，推荐算法已从传统推荐模型过渡到深度推荐模型，尤其是近几年，随着Wide&Deep[1]，深度因子分解机（Deep Factorization Machine， DeepFM）[2]，深度兴趣网络（Deep Interest Network， DIN）[3]等多種深度推荐模型的提出，以深度学习为基础的推荐模型逐渐成了主流，并在各领域都取得了很好的推荐效果。

本文立足于视频推荐领域，以电影资源推荐为例，在排序层对深度兴趣网络模型改进，在召回层设计一种混合推荐模型，并结合大数据处理模块实现对推荐系统的整体设计。实验结果表明，改进后的推荐模型与常用的几种模型相比，在精确率、召回率等评价指标上具有明显提升，总体的推荐准确性较好。……