随着互联网和多媒体技术的快速发展,许多以客户为中心并以在线服务为核心的网站或应用程序应运而生,如电子商务网站(淘宝、京东等)、社交媒体应用程序(美团、抖音、网易新闻等)等等。为了提高网站与应用程序的运营效率和利润,推荐系统得到了广泛的应用。然而,如何从网站海量的用户和商品中提取每一个用户的兴趣并个性化的推荐条目,对推荐系统是巨大的挑战。注意力机制是近年发展起来并引起研究者广泛关注的神经网络算法,已成功应用于计算机视觉、自然语言处理、机器翻译等诸多领域。因此,本文引入注意力机制提出了双向条目注意网络(DIAN)。本文提出的基于双向条目注意网络(DIAN)的推荐算法综合考虑了用户个人资料中历史条目对目标条目的重要性以及这些条目之间的潜在关系。DIAN由两个主要模块组成,分别是用于建模历史条目和目标条目之间的条目相似性的基于注意力机制的条目相似性模型(ABIS)和用于建模历史条目之间的条目相似性的双归一化自注意力条目相似性模型(SAIS)。本文设计了一种注意力网络区分用户配置文件中历史项对目标项的影响。为了更好地表达用户的兴趣,本文引入了自注意力机制,从用户的历史交互记录中推断条目与条目之间的关系,能够估计用户交互轨迹中每个条目的相对权重。本文还用双重归一化机制改进了自注意力网络,一方面专注于从历史条目中提取用户兴趣表征,一方面使模型不受用户历史条目数量的影响。本文在两个公共数据集上进行了大量的实验以验证我们提出模型的有效性。实验表明,所提出的方法能够实现准确的个性化推荐并且性能优于最先进的推荐模型。