资料下载
×
联合评论文本层级注意力和外积的推荐方法
消耗积分:0 |
格式:pdf |
大小:0.95 MB |
2021-04-12
分享资料个
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。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
