融合评论与评分的个性化推荐方法

摘要

现有的基于评论与评分的方法通常使用相同的模型分别对用户和项目进行建模，但其局限在浅层特征层面，如果能够充分挖掘用户个性化偏好与项目深层特征，则会促进模型学习两种表示之间更深层次的关系从而提升预测结果.因此，本文提出一种融合评论与评分的个性化推荐方法，用于深度挖掘用户偏好与项目特征.在对评论文本进行处理的过程中，首先通过ALBERT获得评论文本中单词的向量表示.其次，提出的个性化注意模块将用户的个性化偏好信息与评论文本向量结合，得到深层的基于评论的用户表示.在Amazon Digital Music、Grocery and Gourmet Food、Video Games数据集上进行实验，本文方法较基准方法在NDCG指标上分别提升了5%、11%、8%.代码已在https://github.com/ZehuaChenLab/paperCode/tree/main/DuWenNa/PRM-RR公开.

关键词

推荐算法 / 评分矩阵 / 评论文本 / 个性化注意力机制