科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有网络信息推荐方法普遍存在关注主题局限，潜在兴趣挖掘不准确等问题，提出了融合LDA与注意力的网络信息个性化推荐算法。首先采用LDA模型归纳文档中主题与词的分布情况，为保证兴趣单词选取的完整性，引入HowNet来处理单词语义，以义原为最小单位来描述，根据分层机制逐层推导至单词相似性，从而避免通过距离来计算语义间的相似性。然后采取注意力机制为关注事务服务，针对特征词的重要性，利用加权值的改变，优化推荐内容的精确程度。将注意力注入到网络层中，在注意力层中，先启动实体部分，完成重要语义实体注入；再启动语义部分，根据传输路径的关注度，注入合理的相近实体。最后，基于Amazon开放的TH和SO数据集对推荐算法进行仿真分析，采取MSE、HR和NDCG三个指标进行衡量。通过实验结果，证明所提方法在推荐精度和误差方面均获得了有效改善，且对于不同数据集具有良好的适用性和泛化能力，推荐结果高度符合用户的真实需求。
- 单位
