基于卷积神经网络的推荐模型研究

摘要

在网络购物平台中,评论信息是用户做出在线购买决策的主要依据。然而评论包含大量信息,其重要程度是不一样的。无用的评论会影响推荐系统的性能,对用户的参考意义也较小。文章提出一种基于评论的推荐模型,该模型在用户和商品两个维度并行建模,利用卷积神经网络提取评论特征,并引入注意力机制来探索评论的有用性。在Amazon不同的子数据集上的大量实验表明,通过考虑评论有用性,所提出的模型在评分预测方面始终优于包括PMF、NMF、SVD++、HFT和DeepCoNN在内的推荐模型。