卢 敏，王千里

(1.中国民航大学 计算机科学与技术学院，天津 300300；2.中国民航大学 民航智慧机场理论与系统重点实验室，天津 300300)

0 引 言

传统推荐方法如基于协同过滤的推荐[1]、基于内容的推荐[2]，更偏向于以静态建模的方式得到用户长期的一般偏好，但其推荐性能会受到例如项目(item)特征向量的建模效果、数据是否存在“冷启动”等问题的影响。序列推荐系统[3-5]则是通过挖掘用户行为记录中的序列关系，将用户-项目的交互当作一种动态的序列(其中序列每一个节点为项目)，充分考虑了用户历史行为中的兴趣偏移[6]，推荐用户未来可能交互的项目。然而，这些算法仅针对项目交互序列进行分析计算，或者将项目属性作为辅助信息，没有充分利用项目属性特征挖掘用户偏好，导致推荐性能受限。其原因是一方面他们没有考虑用户在不同项目属性上的兴趣偏移以及单独建模项目属性特征对更新项目表示的重要性，另一方面他们没有探究属性特征交互对捕获用户兴趣的影响。

实际上，用户的兴趣偏好更多体现在项目的各种属性上，根据项目属性信息可以更好地表示用户的意图和目标，建模用户的动态特征，而传统的序列推荐模型只能学习项目交互序列的序列模式，无法获得用户在项目属性上的兴趣偏移，限制了推荐性能。为了解决上述问题，提出了一种基于特征交叉注意力网络的序列推荐算法(feature cross aware attention network for sequential recommendation，FCAN)。该算法通过构建两种注意力捕获用户兴趣与项目属性之间的关系。……