计算机科学与探索 ›› 2020, Vol. 14 ›› Issue (6): 947-957.DOI: 10.3778/j.issn.1673-9418.1906067
邢长征,赵宏宝,张全贵,郭亚兰
XING Changzheng, ZHAO Hongbao, ZHANG Quangui, GUO Yalan
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。