科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于评分矩阵的矩阵分解模型被广泛研究与应用,但是数据稀疏性问题严重制约了该模型的推荐效果。基于评论文本的推荐模型能够从文本信息中刻画用户偏好和商品特征,有效缓解了评分数据的稀疏性,但忽略了评分矩阵中用户和商品的潜在因子。为了进一步提高推荐质量,融合评分矩阵和评论文本的推荐模型被相继提出,但其仅仅局限在浅层线性特征层面,而且用户特征与商品的高级抽象特征未被充分挖掘,因此本文提出深度学习模型DeepCLFM(Deep Collaborative Latent Factor Model)。该模型基于预训练的BERT模型,结合双向GRU和注意力机制从用户评论和商品评论中提取用户和商品的深层非线性特征向...
- 单位
