融合评论文本层级注意力和外积的推荐方法

摘要：

在协同过滤算法中,基于评分数据的矩阵分解方法得到广泛应用和发展,但评分数据稀疏性问题影响了该方法的推荐质量.针对此问题,提出一种联合评论文本层级注意力和外积的推荐方法(RHAOR).采用两个并行网络,分别处理用户评论集和物品评论集.对评论文本的内容应用主题级注意力机制,标记多组带有主题信息的单词(或短语),对评论集应用评论级注意力机制,标记有效的评论.采用外积为用户偏好和物品特征建立外积交互矩阵,并对此矩阵采用多层卷积神经网络提取外积交互特征.将外积交互特征引入改进的潜在因子模型(LFM)中,进行评分预测.实验结果表明,在Amazon和Yelp数据集上,提出的方法在均方根误差(RMSE)上优于传统基于评分和评论的方法.

关键词：协同过滤、数据稀疏性、评论文本、注意力机制、外积

所属期刊栏目：14

分类号：TP181(自动化基础理论)

资助基金：The Natural Science Foundation of Liaoning Province under Grant No. 20180550995 辽宁省自然科学基金;the Basic Project of Liao-ning Provincial Department of Education under Grant No. LJ2019JL009 辽宁省教育厅基础项目

在线出版日期：2020-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：947-957