结合用户评论的深度矩阵分解模型
作者单位:华中科技大学
学位级别:硕士
导师姓名:李国徽
授予年度:2020年
学科分类:08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术(可授工学、理学学位)]
主 题:个性化推荐 神经网络 深度矩阵分解 带偏置的矩阵分解 隐语义模型
摘 要:随着互联网技术的迅速发展,大数据时代下信息过载的问题日益严重。能够提供个性化信息服务的推荐系统成为解决上述问题的主要技术,而其中的矩阵分解模型因其简单高效且准确度高得到了广泛的关注。传统的仅使用用户对商品评分信息的矩阵分解模型及其他协同过滤方法容易受到评分稀疏的影响而效果不佳。现实生活中,广泛存在于网络且容易获取的用户评论能一定程度反映用户的喜好和被评论商品的特征,因此结合评论文本的个性化推荐算法的研究为评分矩阵稀疏问题提供了一个有效的解决途径。受到Bias SVD思想的启发,采用深度矩阵分解模型的网络框架,结合用户评分及评论信息,提出了一种新的深度矩阵分解模型DMFCUR。该模型利用多层前馈神经网络从评分矩阵中学习到用户喜好和商品特征,利用带注意力机制的卷积神经网络从评论文本中学习到用户偏置和商品偏置,进而获得用户和商品对应的隐语义向量,然后将隐语义向量的乘积作为评分的预测值从而实现个性化推荐。同时通过形式化的说明解释了DMFCUR模型是Bias SVD的一种神经网络实现方式,为其有效性提供了理论依据。最后,在真实数据集上开展了大量的实验,结果表明提出的模型在数据十分稀疏的数据集上表现优于现有主流的方法。