基于卷积神经网络的评论文本兴趣点推荐算法

作者：申晋祥^*; 鲍美英

来源：计算机系统应用, 2022, 31(08): 314-318.

DOI：10.15888/j.cnki.csa.008614

• 卷积神经网络(CNN)
• 评论文本
• 兴趣点
• 推荐算法
• 社交网络

针对基于位置社交网络中的兴趣点推荐存在用户签到数据稀疏、评论文本信息利用不充分、推荐准确度不高等问题,提出一种基于卷积神经网络的评论文本兴趣点推荐模型(RT-CNN).首先采用高斯函数利用邻近地理位置加权方法填补矩阵分解模型中缺少的位置信息,预测用户对未签到位置的潜在兴趣.然后通过卷积神经网络处理评论文本信息挖掘潜在特征,深度提取用户情感倾向,使用Softmax逻辑回归函数获得评论文本与用户和位置兴趣点潜在特征相关的概率,通过对目标函数的求解提取用户和位置潜在特征向量.最后融合签到行为、地理位置影响、用户情感倾向、用户潜在特征和位置兴趣点潜在特征进行兴趣点推荐.在公开的Foursquare网站纽约(NYC)和洛杉矶(LA)两个真实签到数据集进行实验,结果表明RT-CNN模型相比其他先进的兴趣点推荐模型提高了精确率和召回率,具有更好的推荐性能.

• 单位
  山西大同大学