科研之友
微信
新浪微博
Facebook
分享链接
摘要
[目的]针对数据稀疏性问题，为探索情感表达对用户特征表示的影响，提出一种考虑评论情感表达力及其重要性的个性化推荐算法。[方法]使用BERT预训练语言模型获取评论文本的向量表示，通过Bi-GRU网络学习其中的语义特征，分别采用情感权重和注意力机制为评论向量分配权重，最后利用DeepFM算法对用户特征和产品特征进行深度交互，预测用户对产品的评分值。[结果]在Amazon product data数据集上的实验结果表明，本文模型比基线模型的RMSE与MAE指标最多可降低24.43%和31.44%；使用情感权重为用户评论加权的方法相比注意力机制，在RMSE与MAE指标上最多可降低2.59%和3.89%。[局限]所用情感分析方法无法表现用户对产品不同属性的情感倾向。[结论]本文方法考虑了情感对用户特征表达的影响，能够提高推荐准确性。
- 单位
