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T o p-K的统计指标进一步验证了所提方法的商品推荐精准度.
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
49
TP391.41(计算技术、计算机技术)
山西省自然科学基金;山西省教育厅项目;山西省科技厅基础研究项目;江西省教育厅科学技术研究项目
2022-10-20(万方平台首次上网日期,不代表论文的发表时间)
共6页
126-131