契合用户兴趣变化的评论文本深度建模

摘要：

针对目前推荐系统对评论文本的特征提取能力不足导致的性能局限,以及数据稀疏性问题和用户兴趣漂移问题导致的推荐精度下降问题进行研究,提出一种契合用户兴趣变化的评论文本深度建模方法,基于深度学习改进传统推荐算法.使用词嵌入技术,挖掘并利用数据集评论中的语义得到表达结果;通过使用并行的一组卷积神经网络,充分挖掘用户和项目评论数据中的隐含特征;设计兴趣衰减曲线,针对用户兴趣漂移现象进一步调整用户建模的契合度;设计一层耦合结构,将两组特征作为输入使用因子分解机进行评分预测,得到推荐结果.仿真结果表明,推荐结果的准确度得到了提升,该方法可行有效.

关键词：推荐系统、特征提取、数据稀疏性问题、用户兴趣漂移问题、卷积神经网络

所属期刊栏目：40

分类号：TP301.6(计算技术、计算机技术)

资助基金：桂林市科学研究与技术开发计划基金项目2016010406-1;广西自然科学基金项目2018GXNSFAA138132

在线出版日期：2019-08-02（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：1464-1471