10.3969/j.issn.2095-2783.2018.18.005
基于双层注意力机制的评分预测推荐模型
设计了2个平行的卷积神经网络,联合学习用户和商品的隐藏特征表示,建模时综合考虑了细粒度的词汇和粗粒度的评论2个层面,将连接的词向量和评论向量作为网络的输入,并采用基于Word2vec的语义一阶跳转方法表示评论向量,进一步丰富评论的语义表达;在卷积层之前设计注意力层,加强重要特征对评分预测的贡献,并增加了模型的可解释性;顶层使用因子分解机模拟高阶潜在特征的相互作用,以进行评分预测.实验结果表明,所提出的方法相比于基准方法有更低的均方根误差,可有效提高评分预测精度.
评分预测、深度学习、卷积神经网络、注意力机制
13
TP311(计算技术、计算机技术)
2019-05-31（万方平台首次上网日期，不代表论文的发表时间）
共6页
2076-2081
