融合双重注意力机制的多源深度推荐模型 |
| |
引用本文: | 刘笑笑,谢珺,续欣莹,潘华莉.融合双重注意力机制的多源深度推荐模型[J].陕西师范大学学报,2023(5):49-59. |
| |
作者姓名: | 刘笑笑 谢珺 续欣莹 潘华莉 |
| |
作者单位: | 1. 太原理工大学信息与计算机学院;2. 太原理工大学电气与动力工程学院 |
| |
基金项目: | 山西省应用基础研究计划(201801D221190,201801D121144); |
| |
摘 要: | 针对评分数据稀疏导致协同过滤算法推荐质量下降的问题,通过充分挖掘评论信息增强推荐性能,提出了一种融合双重注意力机制的多源深度推荐模型(MSDA)。该模型基于评分数据、用户评论集和商品评论集3个信息源进行推荐,结合卷积神经网络和双重注意力机制挖掘评论文本特征,利用神经因子分解机进行评分和评论特征之间的高阶非线性交互,从而实现评分预测。实验结果表明,相比于NeuMF、NARRE、HRDR等先进基准方法,MSDA显著提升了模型的评分预测性能。
|
关 键 词: | 数据稀疏性 评论文本 深度学习 评分预测 |
|
|