融合文本信息的多模态深度自编码器推荐模型

作者：陈金广^*; 徐心仪; 范刚龙

来源：西安工程大学学报, 2021, 35(05): 100-106.

DOI：10.13338/j.issn.1674-649x.2021.05.015

• 推荐算法
• BERT
• BiLSTM
• 深度自编码器
• 文本信息

针对以评分信息做辅助推荐时数据稀疏和深层次语义信息无法学习的问题,提出了一种新的推荐模型。以隐式反馈评分矩阵作为深度自编码器的原始输入,通过编码解码操作,实现评分信息的特征学习;用户电影类型矩阵为模型嵌入层的输入,经过平坦层和全连接层的操作,实现类型文本信息的特征学习;同时,使用BERT+BiLSTM结构对电影标题文本进行上下文信息的特征提取和特征学习。3种特征融合后,通过自编码器的处理得到预测评分。以Movielens 1M和Movielens 100k为数据集,平均绝对误差和均方误差为评价指标,SVD、PMF、PMMMF、SCC、RMbDn、Hern为对比模型。结果表明:本文模型在MAE上分别降低到0.045 8和0.046 0,在MSE上分别降低到0.027 3和0.039 0,优于对比算法,新的推荐模型性能提升效果较好。

• 单位
  西安工程大学; 洛阳师范学院