基于评分与文本融合的多注意力跨域推荐算法

摘要

为解决在目标领域推荐过程中用户与物品交互数据的稀疏性问题，提出一种新的跨域推荐模型。将辅助领域中的知识迁移到目标域中，基于前馈神经网络分别获得评分信息与评论文本信息的域独有特征；通过采用基于神经网络的特征提取器与基于向量嵌入的域鉴别器融合后的对抗模型，获得评分信息与评论文本信息的域共享特征；再基于多层注意力机制将域独有特征与域共享特征进行融合，从而获得用户对物品的兴趣度。研究结果表明：对于两种经典的推荐评价性能指标，所提出的模型在Amazon数据集上可以获得更好的推荐性能。

关键词

跨域推荐 / 评论文本 / 注意力机制 / 迁移学习

基金资助

国家自然科学基金项目（61802161）; 辽宁省教育厅基本科研项目（LJKQZ2021142）; 辽宁省应用基础研究计划（2022JH2/101300279）