基于耦合CNN评分预测模型的个性化商品推荐

作者：冯勇; 韩晓龙; 顾兆旭; 王龙^*; 徐孟阳; 刘志国

来源：小型微型计算机系统, 2020, 41(02): 393-398.

• 个性化
• 商品推荐
• 卷积神经网络
• 评论
• 评分预测

电子商务中大量评论数据蕴含着丰富的信息,该信息有助于解决个性化推荐系统存在的数据稀疏问题.为了充分挖掘评论数据蕴含的价值,提高商品推荐的准确率,本文提出了基于耦合CNN评分预测模型的个性化商品推荐方法.该方法首先利用耦合CNN构建评分预测模型,将耦合CNN分为用户网络和商品网络,划分成输入层、卷积层、输出层和共享层;用户评论数据和商品评论数据分别从相应网络输入;在评论数据分析时,从字向量角度进行语义分析,同时改变传统的使用单一大小卷积核处理句子的模式,使用多个并行的卷积层,利用大小不同的卷积核对句子进行特征提取;两个网络的输出将共同汇聚于共享层,在共享层使用因子分解机进行评分预测;最后将结果中的高评分商品推荐给用户.经对比实验验证,本文所给方法能够提高商品推荐的准确率.

• 单位
  中国石油天然气股份有限公司; 辽宁大学