在基于评论的推荐算法中，文本特征通常会在训练中发生损失，导致最后的特征交互不足，影响推荐效果。为了获取包含更多信息的文本特征，得到更准确的预测值，文章提出一种基于评论的多特征融合深度协同推荐算法。该算法首先对评论文本进行预处理，然后通过由卷积文本网络和双向GRU网络构成的C&G模块进行多特征提取，同时引入注意力机制，最后在融合层进行融合预测。在Amazon Digital Music数据集上的实验结果表明，该算法的准确度较高，推荐效果较好。
科研之友
微信
新浪微博
Facebook
分享链接
