基于注意力机制交互卷积神经网络的推荐方法

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。