计算机科学与探索

作者：邢长征，赵宏宝，张全贵，郭亚兰

单位：辽宁工程技术大学 电子与信息工程学院，辽宁 葫芦岛 125105

关键词：协同过滤,数据稀疏性,评论文本,注意力机制,外积

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。

来源：2020年第6期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2020年第6期