基于文本卷积的多因素煤炭产品推荐模型

来源：计算机技术与发展杂志2021年第04期北京时间：

作者：潘理虎;郝彦杰'郝彦杰;周耀辉;龚大立

单位：1. 太原科技大学 计算机科学与技术学院,山西 太原 030024;2. 山西省华晋焦煤集团,山西 吕梁 033300;3. 精英数智科技股份有限公司,山西 太原 03002

摘要：为了向需求维度不同的买家科学地提供基于煤炭产品自身品质及其发售地区差异性推荐意见,文中提出了一种基于卷积神经网络与自然语言处理相结合的文本卷积推荐模型? (text CNN recommendation model,TCRM)。 该模型由各字段单词特征生成嵌入向量,在不同尺寸的卷积核上做卷积和最大池化,再通过全连接层合并所有特征分别得出用户及煤炭产品特征矩阵,将用户特征和煤炭产品特征作为输入,经过全连接的方式进行计算以产生评分预测值。 在特征矩阵维数为 32,经过 20 次迭代后模型损失固定在 1. 0 附近,准确率维持在 0. 25 左右,在模型损失率及健壮性上均优于传统数值比例特征运算计算评分时的模型。 这样的推荐方式改善了以往由于单因素评分而带来的近邻相似度计算不准确和矩阵稀疏导致的推荐结果不理想的情况。 在大量真实数据集上的实验结果显示,在此算法基础上的深层次煤炭产品推荐具有良好的效果。

关键词：自然语言处理;词嵌入;文本卷积;特征矩阵;评分预测