契合用戶興趣變化的評論文本深度建模

資源類型: 資源大小: 文檔分類:工業技術,工業技術

文檔信息

【作者】 黃文明  張健   

【關鍵詞】 推薦系統  特征提取  數據稀疏性問題  用戶興趣漂移問題  卷積神經網絡 

【出版日期】2019-05-15

【摘要】針對目前推薦系統對評論文本的特征提取能力不足導致的性能局限,以及數據稀疏性問題和用戶興趣漂移問題導致的推薦精度下降問題進行研究,提出一種契合用戶興趣變化的評論文本深度建模方法,基于深度學習改進傳統推薦算法。使用詞嵌入技術,挖掘并利用數據集評論中的語義得到表達結果;通過使用并行的一組卷積神經網絡,充分挖掘用戶和項目評論數據中的隱含特征;設計興趣衰減曲線,針對用戶興趣漂移現象進一步調整用戶建模的契合度;設計一層耦合結構,將兩組特征作為輸入使用因子分解機進行評分預測,得到推薦結果。仿真結果表明,推薦結果的準確度得到了提升,該方法可行有效。

【刊名】計算機工程與設計

參考文獻

引證文獻

問答

我要提問
柯洁微博