典型文献
融合三重注意力和评论评分的深度推荐算法
文献摘要：
许多购物网站中存在用户编写的大量评论信息,大部分推荐系统虽然利用了评论信息,但仍有很大的改进空间.一方面是评论中信息参差不齐,掺杂了很多无用信息;另一方面是大多数现有的推荐系统都假设一个用户对于某一商品特征的关注对于所有的商品都是相同的,无法准确体现用户偏好.本文提出一种融合三重注意力和评论评分的方面感知深度推荐模型ANAP(Attention and Neural Aspect Perception),从词和特征2个层面出发,通过构造2种不同的注意力网络提取评论文本中的重要信息,降低无用信息的影响;为了准确体现用户偏好,通过构造注意力交互网络捕捉用户对不同项目各个方面的不同关注度,实现方面感知的细粒度建模.本文在6个真实数据集上进行实验,同时设计了注意力机制对比实验,结果表明ANAP模型有效提高了评分预测精度,平均绝对误差(Mean Absolute Error,MAE)比现有最佳算法降低了4.86个百分点.
文献关键词：
注意力机制;卷积神经网络;方面感知;推荐系统
中图分类号：
作者姓名：
张宗海;於跃成;冯申
作者机构：
江苏科技大学计算机学院,江苏 镇江 212100
文献出处：
引用格式：
[1]张宗海;於跃成;冯申-.融合三重注意力和评论评分的深度推荐算法)[J].计算机与现代化,2022(05):1-9
A类：
ANAP
B类：
论评,推荐算法,购物网站,评论信息,推荐系统,改进空间,中信,无用信息,商品特征,现用,用户偏好,方面感知,推荐模型,Attention,Neural,Aspect,Perception,注意力网络,评论文本,重要信息,力交互,交互网络,不同项目,细粒度,真实数据,注意力机制,评分预测,平均绝对误差,Mean,Absolute,Error,MAE,最佳算法,百分点
AB值：
0.404594
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。
