典型文献
基于卷积神经网络的推荐模型研究
文献摘要：
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.
文献关键词：
推荐模型;文本评论;卷积神经网络;LFM;注意力机制
中图分类号：
作者姓名：
刘展宁;宫义山
作者机构：
沈阳工业大学信息科学与工程学院,辽宁沈阳110870
文献出处：
引用格式：
[1]刘展宁;宫义山-.基于卷积神经网络的推荐模型研究)[J].长江信息通信,2022(02):53-55
A类：
SVD++,DeepCoNN
B类：
推荐模型,网络购物平台,评论信息,购买决策,重要程度,无用,推荐系统,评论特征,注意力机制,Amazon,评论有用性,评分预测,PMF,NMF,HFT,文本评论,LFM
AB值：
0.380759
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
