融合社交因素和评论文本卷积网络模型的汽车推荐研究

摘要：

汽车作为较高价值和个性化的消费品,使得用户购车决策过程较一般商品更为复杂.本文主要研究社交环境和评论文本两方面对用户购车决策过程的影响,提出了融合社交因素和评论文本卷积网络的汽车推荐模型(Social and comment text CNN model based automobile recommendation,SCTCMAR).SCTCMAR首先定义了基于购买用途需求的社交圈,在此基础上提出了个人偏好计算方法,并引入了偏好相似度;其次,设计了卷积网络模型学习汽车评论文本的隐特征;然后将社交影响量化因素和评论文本特征有机融合注入推荐模型,并采用低阶矩阵分解技术进行模型计算.另外,本文使用GloVe 预训练词嵌入模型,产生了SCTCMAR的另一个版本SCTCMAR+.最后,将SCTCMAR、SCTCMAR、FMM (Flexible mixture model)、TR (Trust rank)、Random sampling在课题组爬取后经清理、去重和整合的266 995个用户、702辆汽车信息的真实数据集上进行精确率、召回率和平均倒序排名三个指标的多粒度实验比较,结果表明本文提出的SCTCMAR+和SCTCMAR具有良好的推荐性能.

关键词：汽车推荐、卷积神经网络、社交圈、矩阵分解

所属期刊栏目：45

资助基金：国家自然科学基金61762025;国家重点研究发展计划2017YFB1402400;重庆市基础与前沿研究计划cstc2017jcyjAX0340;广西可信软件重点实验室开放课题kx201701;广西云计算与大数据协同创新中心开放课题YD16E01;重庆市重点产业共性关键技术创新专项cstc2017zdcy-zdyxx0047;重庆市社会事业与民生保障科技创新专项cstc2017shmsA20013

在线出版日期：2019-05-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：518-529