基于特征权重与情感偏好的可解释推荐

摘要：

针对协同过滤算法在为用户商品相关性建模时未考虑用户/商品对特征属性的不同关注度及不可解释性问题,提出基于特征权重与情感偏好的可解释推荐算法.利用评论中抽取的特征及对应情感设计用户商品的表征,根据TF-IDF算法确定其重要性,将其加入相关性建模中;在评分预测时引入贝叶斯个性化排序减小评分误差;在生成推荐的同时,提供特征短语级别的解释.实验结果表明,对比现有模型,该模型均方根误差平均降低了3.62％,最大降低了4.93％.

关键词：可解释推荐、情感词典、特征权重、贝叶斯个性化排序、矩阵分解

所属期刊栏目：43

分类号：TP391.3(计算技术、计算机技术)

资助基金：湖北省自然科学基金;中央高校基本科研业务经费基金项目

在线出版日期：2022-08-22（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：2130-2136