计算机工程

作者：黄文明, 卫万成, 张健, 邓珍荣

单位：桂林电子科技大学 a. 计算机与信息安全学院;b. 广西可信软件重点实验室, 广西 桂林 541004

关键词：推荐系统,特征提取,注意力机制,卷积神经网络,因子分解机

基金：广西自然科学基金（2018GXNSFAA138132）；广西高校云计算与复杂系统重点实验室项目（yf17106）；桂林电子科技大学研究生教育创新计划（2018YJCX55）。

传统推荐系统依赖人工进行规则设计和特征提取，对评论文本内容的特征和隐信息的提取能力有限。针对该问题，融合注意力机制并基于深度学习对推荐系统进行改进，提出一种对评论文本深度建模的推荐方法。使用词嵌入模型表达数据集评论中的语义，引入注意力机制对输入内容进行重新赋权，通过并行的卷积神经网络挖掘用户和项目评论数据中的隐含特征，将两组特征耦合输入并采用因子分解机进行评分预测，得到推荐结果。实验结果表明，该方法可有效提高推荐准确率，均方误差较DeepCoNN方法提升2%以上。

来源：2019年第9期

《计算机工程》期刊编辑部

查看计算机工程杂志2019年第9期