融合注意力機(jī)制和評(píng)論文本特征的推薦算法

摘要： 為區(qū)分基于評(píng)論文本推薦算法中不同評(píng)論文本數(shù)據(jù)對(duì)不同用戶(hù)或物品的差異，提出一種融合注意力機(jī)制和評(píng)論文本特征的推薦算法(RAAM)。在卷積神經(jīng)網(wǎng)絡(luò)中加入三級(jí)注意力機(jī)制，分別從單詞級(jí)別、語(yǔ)句級(jí)別和評(píng)論級(jí)別為不同用戶(hù)或物品區(qū)分評(píng)論數(shù)據(jù)的重要性，引入共同注意力網(wǎng)絡(luò)模擬用戶(hù)與物品之間的交互，獲取更多用戶(hù)和物品的交互信息，提高推薦效果。在Amazon的5個(gè)數(shù)據(jù)集上的對(duì)比實(shí)驗(yàn)結(jié)果驗(yàn)證了算法的有...