陕西师范大学学报(自然科学版)2023，Vol.51Issue(5) ：49-59.DOI:10.15983/j.cnki.jsnu.2023026

融合双重注意力机制的多源深度推荐模型

Multi-source deep recommendation model of fusion dual attention mechanism

刘笑笑 谢珺 续欣莹 潘华莉
陕西师范大学学报(自然科学版)2023，Vol.51Issue(5) ：49-59.DOI:10.15983/j.cnki.jsnu.2023026
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

融合双重注意力机制的多源深度推荐模型

Multi-source deep recommendation model of fusion dual attention mechanism

刘笑笑 1谢珺 1续欣莹 2潘华莉1
扫码查看

作者信息

  • 1. 太原理工大学信息与计算机学院,山西晋中030600
  • 2. 太原理工大学电气与动力工程学院,山西太原030000
  • 折叠

摘要

针对评分数据稀疏导致协同过滤算法推荐质量下降的问题,通过充分挖掘评论信息增强推荐性能,提出了一种融合双重注意力机制的多源深度推荐模型(MSDA).该模型基于评分数据、用户评论集和商品评论集3个信息源进行推荐,结合卷积神经网络和双重注意力机制挖掘评论文本特征,利用神经因子分解机进行评分和评论特征之间的高阶非线性交互,从而实现评分预测.实验结果表明,相比于NeuMF、NARRE、HRDR等先进基准方法,MSDA显著提升了模型的评分预测性能.

关键词

数据稀疏性/评论文本/深度学习/评分预测

Key words

data sparsity/review text/deep learning/rating prediction

引用本文复制引用

基金项目

山西省应用基础研究计划(201801D221190)

山西省应用基础研究计划(201801D121144)

出版年

2023
陕西师范大学学报(自然科学版)
陕西师范大学

陕西师范大学学报(自然科学版)

CSTPCDCSCD北大核心
影响因子：0.563
ISSN：1672-4291
参考文献量4
段落导航相关论文