基于注意力机制与评论文本深度模型的推荐方法

摘要：

传统推荐系统依赖人工进行规则设计和特征提取,对评论文本内容的特征和隐信息的提取能力有限.针对该问题,融合注意力机制并基于深度学习对推荐系统进行改进,提出一种对评论文本深度建模的推荐方法.使用词嵌入模型表达数据集评论中的语义,引入注意力机制对输入内容进行重新赋权,通过并行的卷积神经网络挖掘用户和项目评论数据中的隐含特征,将两组特征耦合输入并采用因子分解机进行评分预测,得到推荐结果.实验结果表明,该方法可有效提高推荐准确率,均方误差较DeepCoNN方法提升2％以上.

关键词：推荐系统、特征提取、注意力机制、卷积神经网络、因子分解机

所属期刊栏目：45

分类号：TP301.6(计算技术、计算机技术)

资助基金：广西自然科学基金2018GXNSFAA138132;广西高校云计算与复杂系统重点实验室项目yf17106;桂林电子科技大学研究生教育创新计划2018YJCX55

在线出版日期：2019-10-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：176-182