咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >融合社交因素和评论文本卷积网络模型的汽车推荐研究 收藏

融合社交因素和评论文本卷积网络模型的汽车推荐研究

Social and Comment Text CNN Model Based Automobile Recommendation

作     者:冯永 陈以刚 强保华 FENG Yong;CHEN Yi-Gang;QIANG Bao-Hua

作者机构:重庆大学计算机学院重庆400030 重庆大学信息物理社会可信服务计算教育部重点实验室重庆400030 桂林电子科技大学广西云计算与大数据协同创新中心桂林541004 

出 版 物:《自动化学报》 (Acta Automatica Sinica)

年 卷 期:2019年第45卷第3期

页      面:518-529页

核心收录:

学科分类:0810[工学-信息与通信工程] 1205[管理学-图书情报与档案管理] 08[工学] 081104[工学-模式识别与智能系统] 081203[工学-计算机应用技术] 0835[工学-软件工程] 0802[工学-机械工程] 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:国家自然科学基金(61762025) 国家重点研究发展计划(2017YFB1402400) 重庆市基础与前沿研究计划(cstc2017jcyjAX0340) 广西可信软件重点实验室开放课题(kx201701) 广西云计算与大数据协同创新中心开放课题(YD16E01) 重庆市重点产业共性关键技术创新专项(cstc2017zdcy-zdyxx0047) 重庆市社会事业与民生保障科技创新专项(cstc2017shmsA20013)资助~~ 

主  题:汽车推荐 卷积神经网络 社交圈 矩阵分解 

摘      要:汽车作为较高价值和个性化的消费品,使得用户购车决策过程较一般商品更为复杂.本文主要研究社交环境和评论文本两方面对用户购车决策过程的影响,提出了融合社交因素和评论文本卷积网络的汽车推荐模型(Social and comment text CNN model based automobile recommendation, SCTCMAR). SCTCMAR首先定义了基于购买用途需求的社交圈,在此基础上提出了个人偏好计算方法,并引入了偏好相似度;其次,设计了卷积网络模型学习汽车评论文本的隐特征;然后将社交影响量化因素和评论文本特征有机融合注入推荐模型,并采用低阶矩阵分解技术进行模型计算.另外,本文使用GloVe预训练词嵌入模型,产生了SCTCMAR的另一个版本SCTCMAR+.最后,将SCTCMAR、SCTCMAR、FMM (Flexible mixture model), TR (Trust rank). Random sampling在课题组爬取后经清理、去重和整合的266 995个用户、702辆汽车信息的真实数据集上进行精确率、召回率和平均倒序排名三个指标的多粒度实验比较,结果表明本文提出的SCTCMAR+和SCTCMAR具有良好的推荐性能.

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分