一种基于双层自注意力评论建模的推荐模型

摘要

本发明公开了一种基于双层自注意力评论建模的推荐模型。该模型包括用户画像模块、物品画像模块和交互模块。用户画像模块和物品画像模块结构相同，首先在短语抽取层通过引入自注意力将句子内相隔任意距离的相关单词灵活组合，构成物品特征短语和情感短语。然后在短语关联层使用自注意力将物品特征短语和情感短语关联起来，得到用户对每个物品特征的情感极性，用于构建用户‑物品画像，最后将该模型在来自Amazon 5‑core的六个数据集上进行实验验证。本发明通过将自注意力网络引入到推荐系统的评论建模中，在深度学习框架下考虑了用户对“物品特征”的情感极性，并缓解了CNN抽取短语引入噪声和上下文丢失的问题，细粒度地建模用户‑物品画像，提升推荐性能。