融合词间句间多关系建模的评论推荐算法

作     者：邓策渝 李段腾川 胡奕仁 王晓光 李志飞 

作者机构：武汉大学信息管理学院 武汉大学计算机学院 湖北大学计算机与信息工程学院 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081203[工学-计算机应用技术] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家社会科学基金重大项目(21&ZD334) 国家自然科学基金(62207011) 

主　　题：评论推荐算法 深度学习 多关系建模 时序特征建模 异质特征融合与交互 

摘      要：评论作为最常见的辅助信息，能够直观地表达用户的喜好和物品的属性，被研究者们广泛运用以不断优化推荐算法的预测精度。然而，目前评论推荐算法仍存在不足，主要体现在现有模型忽略了对评论文本多粒度特征的建模和对用户偏好、物品属性这一对异质特征的关联性交互学习，导致模型无法充分提取评论信息，影响了模型精度。因此，本文提出了融合词间句间多关系建模的评论推荐算法（MR4R），通过分析评论文本的词间重要性关系和句间时序动态关系，抽取不同层次的特征信息；并设计了融合预测层，对用户偏好与物品属性特征间的关联性挖掘过程进行优化并通过高阶非线性计算进行评分预测。研究挑选了四个不同场景的数据集，并将文本文提出的模型与目前主流的7个推荐算法进行比较。实验结果表明，融合词间句间多关系建模的推荐算法能够充分提取评论中蕴含的信息，显著提升了平均推荐精度，具有更强的推荐性能。