典型文献
基于注意力机制交互卷积神经网络的推荐方法
文献摘要：
为了捕捉在线购物时用户与商品之间的动态交互关系,提高推荐系统(RS)的准确度,提出了结合用户倾向性和商品吸引力的用户评价预测方法.首先,将评论分为用户评论文本和商品评论文本,分别输入两个交互卷积神经网络(CNN),并结合注意力机制,动态捕捉文本中的语义信息和上下文信息,得到用户和商品的自适应特征;然后,利用交互注意力网络,分析商品特征和用户特征的动态交互关系,计算出用户对特定商品的倾向性和商品对特定用户的吸引力;最后,通过预测模块提供用户对商品的准确评价预测.在数据集上进行实验,结果表明,所提方法取得了最优性能,比其他方法的MAE和RMSE性能分别至少提升了15.1％ 和13.6％.此外,基于T o p-K的统计指标进一步验证了所提方法的商品推荐精准度.
文献关键词：
推荐系统;用户倾向性;卷积神经网络;交互注意力机制;上下文特征
中图分类号：
作者姓名：
任胜兰;郭慧娟;黄文豪;汤志宏;亓慧
作者机构：
太原师范学院计算机科学与技术学院 山西晋中030619;太原理工大学信息与计算机学院 太原030600;华南理工大学软件学院 广州510006;江西科技学院信息工程学院 南昌330098
文献出处：
引用格式：
[1]任胜兰;郭慧娟;黄文豪;汤志宏;亓慧-.基于注意力机制交互卷积神经网络的推荐方法)[J].计算机科学,2022(10):126-131
A类：
用户倾向性
B类：
推荐方法,在线购物,动态交互,交互关系,推荐系统,RS,用户评价,评价预测,用户评论,评论文本,商品评论,别输,语义信息,上下文信息,注意力网络,商品特征,用户特征,准确评价,最优性能,其他方法,MAE,RMSE,少提,统计指标,商品推荐,交互注意力机制,上下文特征
AB值：
0.335103
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
