基于多维用户画像和DeepFM的"环评云助手"资源推荐研究

摘要：

"环评云助手"是一款服务于环境影响评价行业用户的 APP,针对 APP 中信息量激增、行业资源文本特征利用不充分和行业用户即时资源推荐精准较低等问题,提出一种结合行业文本资源和用户行为特征的多维用户画像模型并应用于深度因子分解机(Deep Factorization Machines,DeepFM),实现资源点击率(Click-Through-Rate,CTR)的精准预测.模型首先对行业资源文本进行语义抽取,再对行业用户行为进行自定义评分,从而构建多维用户画像模型;最后将多维用户画像应用于DeepFM模型,进行CTR预测任务,实现具有行业特征的个性化推荐.实验数据来自"环评云助手"APP,实验结果表明该模型有效提高了 CTR 预测任务的 AUC 值,降低了 LogLoss 值,具有一定的应用价值.

关键词：环境影响评价、用户画像、标签生成、推荐算法、深度因子分解机、CTR预测任务

所属期刊栏目：51

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金;教育部人文社会科学研究项目;北京信息科技大学优质课程专项;北京信息科技大学课程思政立项项目

在线出版日期：2023-07-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：43-51