基于注意力机制交互卷积神经网络的推荐方法 |
| |
作者姓名: | 任胜兰 郭慧娟 黄文豪 汤志宏 亓慧 |
| |
作者单位: | 1. 太原师范学院计算机科学与技术学院;2. 太原理工大学信息与计算机学院;3. 华南理工大学软件学院;4. 江西科技学院信息工程学院 |
| |
基金项目: | 山西省自然科学基金(201801D121147);;江西省教育厅科学技术研究项目(GJJ191016)~~; |
| |
摘 要: | 为了捕捉在线购物时用户与商品之间的动态交互关系,提高推荐系统(RS)的准确度,提出了结合用户倾向性和商品吸引力的用户评价预测方法。首先,将评论分为用户评论文本和商品评论文本,分别输入两个交互卷积神经网络(CNN),并结合注意力机制,动态捕捉文本中的语义信息和上下文信息,得到用户和商品的自适应特征;然后,利用交互注意力网络,分析商品特征和用户特征的动态交互关系,计算出用户对特定商品的倾向性和商品对特定用户的吸引力;最后,通过预测模块提供用户对商品的准确评价预测。在数据集上进行实验,结果表明,所提方法取得了最优性能,比其他方法的MAE和RMSE性能分别至少提升了15.1%和13.6%。此外,基于Top-K的统计指标进一步验证了所提方法的商品推荐精准度。
|
关 键 词: | 推荐系统 用户倾向性 卷积神经网络 交互注意力机制 上下文特征 |
|