典型文献
基于评论文本的自适应特征提取推荐研究
文献摘要：
现有评论文本推荐方法多使用静态词向量技术获取评论嵌入,但单词多义性会对语义理解产生偏差,且特征拼接策略无法平衡用户和商品特征对推荐结果的影响.为此,提出了基于评论文本的自适应特征提取推荐模型.该模型使用动态词嵌入预训练模型BERT解决多义性问题,结合Bi-GRU与注意力机制的双向特征提取增强特征表达能力,并以自适应特征拼接机制平衡用户和商品特征在交互时的贡献程度.实验结果表明,该模型在6个亚马逊数据集上均方误差值最低为0.678,相比最优基准模型性能平均提高了2.42％,有效改善评论文本中单词多义性问题对推荐结果的影响,自适应特征拼接机制有效平衡了用户和商品特征各自的重要程度,提高了预测评分精度.
文献关键词：
推荐系统;深度学习;自适应特征提取;评论文本;注意力机制
中图分类号：
作者姓名：
胡海星;王宜贵;袁卫华;张志军;秦倩倩
作者机构：
山东建筑大学计算机科学与技术学院,山东济南250101
文献出处：
引用格式：
[1]胡海星;王宜贵;袁卫华;张志军;秦倩倩-.基于评论文本的自适应特征提取推荐研究)[J].软件导刊,2022(02):1-7
A类：
文本推荐
B类：
评论文本,自适应特征提取,推荐方法,词向量,技术获取,单词,多义性,语义理解,特征拼接,拼接策略,商品特征,推荐模型,模型使用,词嵌入,预训练模型,BERT,Bi,GRU,注意力机制,特征表达,表达能力,接机,贡献程度,亚马逊,均方误差,误差值,模型性能,重要程度,预测评分,推荐系统
AB值：
0.354363
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。
