典型文献
基于注意力机制的深度协同推荐模型
文献摘要：
针对传统矩阵分解算法无法挖掘深层隐含信息,以及未能充分利用用户和项目评论的问题,提出基于注意力机制的深度协同推荐模型.首先采用注意力机制对评论文本赋权,使用并行的卷积神经网络分别提取用户评论和项目评论特征,同时将评分矩阵输入多层感知机,得到用户隐表示和项目隐表示;然后对两个网络提取的用户特征和项目特征进行融合;最后使用因子分解机和深度神经网络分别提取线性和非线性特征,以进行评分预测.在Amazon的3组公共数据集上进行实验,发现该模型的RMSE达到0.83.与5组对照模型相比,新建模型的RMSE分别降低了14.0％、11.2％、9.8％、7.7％、3.9％,表明该模型能有效提升推荐效果.
文献关键词：
评分矩阵;评论文本;卷积神经网络;注意力机制
中图分类号：
作者姓名：
袁雪梅;程科;浦艺钟;徐子凡
作者机构：
江苏科技大学计算机学院;镇江明知科技有限公司,江苏镇江212100
文献出处：
引用格式：
[1]袁雪梅;程科;浦艺钟;徐子凡-.基于注意力机制的深度协同推荐模型)[J].软件导刊,2022(09):1-6
A类：
B类：
注意力机制,深度协同,推荐模型,矩阵分解,隐含信息,用用,评论文本,取用,用户评论,评论特征,评分矩阵,多层感知机,用户特征,项目特征,因子分解机,深度神经网络,非线性特征,评分预测,Amazon,公共数据,RMSE,推荐效果
AB值：
0.383887
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。
