TAGAN:一种融合细粒度语义特征的学术论文对抗推荐算法

学术论文推荐旨在为用户提供个性化的论文资源,针对协同过滤方法面临数据高度稀疏和缺乏负样本的问题,提出了一种融合细粒度语义特征的学术论文对抗推荐模型——TAGAN(title and abstract GAN).首先,基于具有语义特征的标题和摘要,使用卷积神经网络(CNN)提取标题的全局特征,并构建一个双层的长短期记忆(LSTM)网络分别对摘要的单词序列和语句序列建模,同时,引入注意力机制将标题和摘要进行语义上的关联.然后,将论文的语义特征融入基于生成对抗网络(GAN)的推荐框架中并进行训练,其生成模型会拟合用户的兴趣偏好,能有效替代负采样过程.最后,通过在公开数据集上的实验对比,TAGAN在各个指标上都优于基线模型,验证了TAGAN的有效性.