融入情感分析的多层交互深度推荐模型研究

摘要：

[目的]针对传统推荐方法中仅依赖单一的用户评分来推断用户偏好,忽略情感态度对用户行为影响的问题,提出一种融入情感分析的多层交互深度推荐模型.[方法]利用BRET词向量表征评论文本,双向循环神经网络量化评论中的情感信息,根据情感分值更新评分矩阵,映射出用户与资源的浅层特征;结合卷积神经网络和自注意力机制从评论文本中捕获用户与资源的深层特征;融合浅层与深层特征,采用多层神经网络建模用户与资源间的非线性交互,预测资源推荐的评分值.[结果]在Amazon Product Data数据集上的实验结果表明,与其他基线模型对比,本文模型的MAE和RMSE指标最多下降7.93和9.73个百分点.[局限]未考虑用户情感的时间动态性,且忽略了情感分析方法的领域自适应性.[结论]融入情感分析的推荐模型能更准确地反映用户真实兴趣偏好,对比现有相似模型,本文所提模型能有效提升推荐质量.

关键词：情感分析、特征挖掘、神经网络、多层交互、推荐模型

所属期刊栏目：7

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;浙江省哲学社会科学规划交叉学科重点支持课题项目

在线出版日期：2023-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：43-57