陕西师范大学学报(自然科学版)

作者：刘笑笑, 谢珺, 续欣莹, 潘华莉

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

关键词：数据稀疏性,评论文本,深度学习,评分预测

基金：山西省应用基础研究计划(201801D221190),山西省应用基础研究计划(201801D121144)

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。

来源：2023年第5期

《陕西师范大学学报(自然科学版)》期刊编辑部

查看陕西师范大学学报(自然科学版)杂志2023年第5期