基于评论文本图表示学习的推荐算法

摘要：

基于卷积或循环神经网络的推荐系统主要捕捉评论文本中相邻词之间的局部和连续依赖关系,对长期、全局、非连续的依赖关系的捕捉能力有限.针对该问题,提出一种基于评论文本图表示学习的推荐算法RGP.将每个用户或项目的评论文本表示成图,图的节点为评论文本的词,图的边为词与词的连接关系.针对图中的每个节点,使用基于连接关系的图注意力网络加权融合其邻点信息,利用基于交互关系的注意力机制对节点重新赋权,并加权融合图中所有节点的表征从而得到整个图的表征.在此基础上,将基于用户和项目ID的嵌入表征及其评论图表征耦合输入并采用因子分解机进行评分预测,以得到最终的推荐结果.实验结果表明,与NARRE、DAML等算法相比,RGP算法可有效提高推荐精度.

关键词：推荐算法;评论文本;图神经网络;注意力机制;因子分解机

所属期刊栏目：47

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金61976198,61672481

在线出版日期：2021-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：69-76