Resumen

Los sistemas de aprendizaje profundo han tenido un éxito fenomenal en los campos de visión por computadora, reconocimiento de voz y procesamiento de lenguaje natural. Recientemente, los investigadores han adoptado técnicas de aprendizaje profundo para abordar el filtrado colaborativo con retroalimentación implícita. Sin embargo, los métodos existentes generalmente perfilan directamente tanto a los usuarios como a los elementos, descuidando las similitudes entre los vecindarios de usuarios y elementos. Con este fin, proponemos las redes de memoria de atención de vecindario (NAMN), un modelo de recomendación de aprendizaje profundo que aplica dos redes de memoria dedicadas para capturar las relaciones de vecindario de usuarios y elementos respectivamente. Específicamente, primero diseñamos el componente de vecindario de usuario y el componente de vecindario de elemento basados en redes de memoria y mecanismos de atención. Luego, mediante el esquema de direccionamiento asociativo con las memorias de usuario y elemento en los componentes de vecindario, capturamos las complejas relaciones de vecindario de usuario-element

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Aprendizaje profundo; Modelo de recomendación; Redes de memoria; Mecanismos de atención; Relaciones de vecindario; Filtrado colaborativo
• Keywords:Deep learning; Recommendation model; Memory networks; Attention mechanisms; Neighborhood relations; Collaborative filtering