Resumen

El sistema de recomendación secuencial ha recibido una amplia atención debido a su buen rendimiento en la resolución de la sobrecarga de datos. Sin embargo, la mayoría de los métodos de recomendación secuencial asumen que las preferencias de los usuarios solo dependen de elementos específicos en la secuencia actual y no consideran los intereses implícitos de los usuarios. Además, la mayoría de los trabajos anteriores se centran principalmente en explotar las relaciones entre elementos en la secuencia y rara vez consideran cuantificar el grado de preferencias por elementos implícito en diferentes comportamientos de los usuarios. Para abordar estos dos problemas anteriores, proponemos un método de recomendación secuencial consciente de las preferencias implícitas basado en un grafo de conocimiento (IPAKG). En primer lugar, este método introduce un grafo de conocimiento para explotar las representaciones implícitas de las preferencias de los usuarios. En segundo lugar, integramos una red neuronal recurrente y un mecanismo de atención para capturar los intereses en evolución de los usuarios y las relaciones entre diferentes elementos en la secuencia. En

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Sistema de recomendación secuencial; Intereses implícitos; Grafo de conocimiento; Red neuronal recurrente; Mecanismo de atención; Intensidad del comportamiento
• Keywords:Sequential recommendation system; Implicit interests; Knowledge graph; Recurrent neural network; Attention mechanism; Behavior intensity