节点文献

融合用户和商品评论的双通道CNN推荐算法

免费订阅

【作者】 冯兴杰徐一雄曾云泽

【Author】 FENG Xingjie;XU Yixiong;ZENG Yunze;School of Computer Science and Technology,Civil Aviation University of China;

【机构】 中国民航大学计算机科学与技术学院

【摘要】 基于评分矩阵的推荐模型目前被广泛应用,虽达到一定推荐精度,但忽略了评论中大量能够反映用户兴趣爱好的语义信息,且数据稀疏性问题依然存在。针对上述问题,提出融合用户评论和商品评论的双通道CNN推荐算法(C-DCNN)。首先将用户和商品评论文本矢量化为词向量,再分别使用两个CNN网络对用户和物品进行特征提取,最后在共享层通过点积项将用户和物品的抽象特征映射到同一特征空间,从而预测出用户对特定商品的评分。在Amazon,Yelp,Beer三组公共数据集上进行实验,结果表明该模型在不同数据集上的MSE都比其他基准算法更小,且有效缓解了数据稀疏性问题。

【基金】 国家自然科学基金委员会与中国民用航空局联合基金项目(U1233113);国家自然科学青年基金资助项目(61301245);国家自然科学青年基金资助项目(61201414)~~
【所属期刊栏目】 前沿交叉科学 (2019年14期)
  • 【DOI】10.16652/j.issn.1004-373x.2019.14.028
  • 【分类号】TP391.3
  • 【下载频次】13
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: