融合评分矩阵和评论文本的深度学习推荐模型

来源：计算机技术与发展杂志2021年第08期北京时间：

作者：王艳;彭治;杜永萍

摘要：用户对项目评分数据的稀疏性是影响推荐质量的主要因素之一,提出了融合评分数据和评论文本的深度学习模型,通过引入辅助信息缓解评分数据稀疏性的影响。 利用评论文本可以获取用户的偏好信息和项目特征,而评分数据中又包含了用户和项目之间的潜在关联。 现有的融合模型对评分数据的处理大多数都是采用矩阵分解方法,为了更好地利用评分数据中的有效信息,文中利用卷积神经网络处理评论文本,并引入注意力机制提取评论信息中具有代表性的评论,从而更好地表征用户偏好和项目特征。 利用深度神经网络处理评分数据提取其中的深度特征,将特征进行融合来预测出用户对项目的评分。 文中在 Amazon 数据集上进行验证,以均方误差 MSE 作为评价指标,结果表明所提出的模型优于多个优秀的基线模型。

关键词：推荐系统;评论文本;评分矩阵;注意力机制;深度学习