基于注意力机制与评论文本深度模型的推荐方法

• 作者: 卫万成 张健 邓珍荣 黄文明
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 推荐系统 特征提取 注意力机制 卷积神经网络 因子分解机
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 176-182
• 页数: 7页
• 分类号: TP301.6
• 字数: 7057字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0051339

摘要

传统推荐系统依赖人工进行规则设计和特征提取,对评论文本内容的特征和隐信息的提取能力有限.针对该问题,融合注意力机制并基于深度学习对推荐系统进行改进,提出一种对评论文本深度建模的推荐方法.使用词嵌入模型表达数据集评论中的语义,引入注意力机制对输入内容进行重新赋权,通过并行的卷积神经网络挖掘用户和项目评论数据中的隐含特征,将两组特征耦合输入并采用因子分解机进行评分预测,得到推荐结果.实验结果表明,该方法可有效提高推荐准确率,均方误差较DeepCoNN方法提升2％以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄文明	桂林电子科技大学计算机与信息安全学院	80	616	13.0	22.0
5	邓珍荣	桂林电子科技大学计算机与信息安全学院	39	204	8.0	12.0
9	卫万成	桂林电子科技大学计算机与信息安全学院	3	6	2.0	2.0
10	张健	桂林电子科技大学计算机与信息安全学院	2	4	1.0	2.0