融合评论文本层级注意力和外积的推荐方法

• 作者: 张全贵 赵宏宝 邢长征 郭亚兰
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 协同过滤 数据稀疏性 评论文本 注意力机制 外积
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 学术研究
• 页码范围: 947-957
• 页数: 11页
• 分类号: TP181
• 字数: 9451字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1906067

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张全贵	辽宁工程技术大学电子与信息工程学院	28	154	7.0	11.0
2	邢长征	辽宁工程技术大学电子与信息工程学院	41	277	10.0	14.0
3	赵宏宝	辽宁工程技术大学电子与信息工程学院	1	0	0.0	0.0
4	郭亚兰	辽宁工程技术大学电子与信息工程学院	1	0	0.0	0.0