融合主题模型和卷积神经网络的APP推荐研究

作者：王杰; 唐菁荟; 王昊; 邓三鸿^*

来源：情报理论与实践, 2019, 42(04): 158-165.

DOI：10.16353/j.cnki.1000-7490.2019.04.027

• APP推荐
• LDA模型
• 卷积神经网络
• 主题模型

[目的/意义]将主题模型与卷积神经网络进行结合,以实现APP的个性化推荐,并缓解评分数据稀疏性问题。[方法/过程]提出TMCNN模型,针对文本内容,通过用户和APP双通道的卷积神经网络获取卷积语义特征,同时使用LDA模型获取主题特征,并与用户和APP的数值特征组合,从而预测用户对APP的评分,进而推荐。[结果/结论]通过360手机助手数据集的测试,从RMSE,召回率,NDCG三个指标进行分析,TMCNN模型不仅具有良好的评分预测效果,而且APP的推荐结果也相对较好。同时,TMCNN模型也丰富了APP推荐的研究方法。[局限]没有考虑APP的权限信息,评论信息的有用性,以及TMCNN模型的优化函数有待改进。

• 单位
  南京大学