融合双重注意力机制的多源深度推荐模型

摘要：

针对评分数据稀疏导致协同过滤算法推荐质量下降的问题,通过充分挖掘评论信息增强推荐性能,提出了一种融合双重注意力机制的多源深度推荐模型(MSDA).该模型基于评分数据、用户评论集和商品评论集3个信息源进行推荐,结合卷积神经网络和双重注意力机制挖掘评论文本特征,利用神经因子分解机进行评分和评论特征之间的高阶非线性交互,从而实现评分预测.实验结果表明,相比于NeuMF、NARRE、HRDR等先进基准方法,MSDA显著提升了模型的评分预测性能.

关键词：数据稀疏性、评论文本、深度学习、评分预测

所属期刊栏目：51

分类号：TP391(计算技术、计算机技术)

资助基金：山西省应用基础研究计划项目;山西省应用基础研究计划项目

在线出版日期：2023-09-28（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：49-59