融合用户和商品评论的双通道CNN推荐算法

摘要：

基于评分矩阵的推荐模型目前被广泛应用,虽达到一定推荐精度,但忽略了评论中大量能够反映用户兴趣爱好的语义信息,且数据稀疏性问题依然存在.针对上述问题,提出融合用户评论和商品评论的双通道CNN推荐算法(C-DCNN).首先将用户和商品评论文本矢量化为词向量,再分别使用两个CNN网络对用户和物品进行特征提取,最后在共享层通过点积项将用户和物品的抽象特征映射到同一特征空间,从而预测出用户对特定商品的评分.在Amazon,Yelp,Beer三组公共数据集上进行实验,结果表明该模型在不同数据集上的MSE都比其他基准算法更小,且有效缓解了数据稀疏性问题.

关键词：CNN推荐算法、推荐系统、特征提取、文本矢量化、抽象特征映射、评分预测

所属期刊栏目：42

分类号：TN911-34;TP301.6

资助基金：国家自然科学基金委员会与中国民用航空局联合基金项目U1233113;国家自然科学青年基金资助项目61301245;国家自然科学青年基金资助项目61201414

在线出版日期：2019-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：121-126