基于注意力机制的文本挖掘深度混合推荐模型

摘要

当前，从海量的互联网信息中获取满足用户需求的视频资源变得越来越困难，用户面临严重的信息焦虑和信息过载问题，然而各种辅助信息中蕴含着大量的与用户兴趣偏好及项目特征相关的信息并没有在经典推荐系统中得到利用.鉴于深度学习在特征提取和注意力机制在特征选择方面的突出表现，充分有效利用各种辅助信息缓解矛盾是当前研究的热点和难点问题.针对以上问题，该文提出了一种新颖的利用文本上下文信息的深度混合推荐方法.该方法将视频标题和视频简介组合，经过预训练的词嵌入模型Glove转化为词向量，通过融合多头注意力机制的卷积神经网络提取项目潜藏因子，再结合概率矩阵分解实现用户对视频资源的评分预测.在ML-100k、ML-1m、ML-10m、Amazon四个公开数据集上的实验结果表明，该研究提出的方法结果优于PMF、CDL、ConvMF等基线模型.

关键词

文本信息 / 多头注意力机制 / 卷积神经网络 / 协同过滤

基金资助

国家自然科学基金项目(6207020477); 浙江省智能教育技术与应用重点实验室项目(jykf22029); 湖北省教师教育学会科研规划项目(HBJSJY2022-027)