云南师范大学学报(自然科学版),2024,44(1):30-34https://qkgj.ynnu.edu.cnJournalofYunnanNormalUniversity(NaturalSciencesEdition)DOI:10.7699/j.ynnu.ns-2024-007基于压缩-激励网络双塔模型的卷烟推荐算法*魏胤楠**,陈越昆,宋柏直,施伟(云南中烟工业有限责任公司营销中心,云南昆明650032)摘要:采用压缩和激励网络(squeezeandexcitationnetwork,SENET)构建双塔推荐模型,针对卷烟消费推荐问题进行了研究.基于长期采集的包含用户、商品和历史交互信息的数据集,使用SENET双塔推荐模型对该数据集进行建模,以预测用户的卷烟消费行为.实验结果表明,基于SENET双塔构架的卷烟消费推荐模型在消费者与产品间的交互信息获取上具有优势;与传统的推荐算法相比,SENET双塔推荐模型具有更好的推荐效果.关键词:SENET双塔模型;推荐系统;卷烟消费中图分类号:TP391文献标志码:A文章编号:1007-9793(2024)01-0030-051引言卷烟消费推荐系统,可根据以往卷烟消费数据,对消费区域或个人的消费行为进行建模,从而对其后续消费进行预测和产品推荐.从已有的研究成果来看[1-4],国内对于卷烟消费推荐的研究还处于起步阶段,目前所采用的方法大部分为比较经典的推荐算法,如基于概率的方法和协同过滤等.近年来,人工智能和深度学习相关方法在各领域得到广泛应用,在推荐系统领域取得了良好的效果[5-6].研究表明,基于深度神经网络的推荐算法效果优于其他传统推荐算法[7].近年来,研究人员提出了许多基于深度神经网络的推荐算法,其中双塔推荐模型[8]因其良好的性能得到关注.经学者不断研究和更新扩展,双塔模型发展快速,出现了很多变体模型[9],其中基于压缩-激励网络(squeezeandexcitationnetwork,SENET)的双塔模型[10]在多个行业应用中均展现了其良好的性能.本文以智能零售终端获取的长期大量用户卷烟消费数据为基础,融合销售终端外部环境特征数据,建立了用户卷烟消费信息数据库,利用该数据库对基于SENET的双塔模型进行训练及测试,并与目前常见的推荐算法进行对比,发现推荐精度得到明显提升.2压缩-激励网络双塔模型压缩-激励网络[11]基于卷积神经网络构建,能够挖掘各个图像通道之间存在的关联性.由于SENET引入了注意力机制,从而使得其具备特征筛选能力,从而削弱无关特征所带来的特征冗余和负面影响.2.1基于压缩-激励网络的双塔推荐模型压缩-激励网络采用注意力机制对特征进行选择过滤的机制可自然地应用到推荐系统的模型构建中,可使用SENET对用户及相关消费数据进行特征提取,增强重要特征,...
