|
|||||
|
|
| 基于耦合CNN评分预测模型的个性化商品推荐 | |
| 作者姓名： | 冯勇 韩晓龙 顾兆旭 王龙 徐孟阳 刘志国 |
| 作者单位： | 辽宁大学信息学院;辽宁轻工职业学校计算机系;中国石油天然气股份有限公司华北化工销售公司 |
| 基金项目： | 国家自然科学基金项目(71771110)资助;辽宁省社会科学规划基金项目(L18AGL007)资助;吉林大学符号计算与知识工程教育部重点实验室项目(93K172018K01)资助. |
| 摘 要： | 电子商务中大量评论数据蕴含着丰富的信息,该信息有助于解决个性化推荐系统存在的数据稀疏问题.为了充分挖掘评论数据蕴含的价值,提高商品推荐的准确率,本文提出了基于耦合CNN评分预测模型的个性化商品推荐方法.该方法首先利用耦合CNN构建评分预测模型,将耦合CNN分为用户网络和商品网络,划分成输入层、卷积层、输出层和共享层;用户评论数据和商品评论数据分别从相应网络输入;在评论数据分析时,从字向量角度进行语义分析,同时改变传统的使用单一大小卷积核处理句子的模式,使用多个并行的卷积层,利用大小不同的卷积核对句子进行特征提取;两个网络的输出将共同汇聚于共享层,在共享层使用因子分解机进行评分预测;最后将结果中的高评分商品推荐给用户.经对比实验验证,本文所给方法能够提高商品推荐的准确率. |
| 关 键 词： | 个性化 商品推荐 卷积神经网络 评论 评分预测 |
| 本文献已被 维普 等数据库收录！ | |