基于BERT模型和LDA主题模型的用户兴趣模型构建方法

摘要

用户兴趣模型构建主要结合用户的兴趣爱好信息、游览行为以及用户画像信息等综合分析用户兴趣。用户兴趣模型作为个性化信息推荐环节中的关键部分,也是个性化服务的重要部分,其质量的好坏直接影响着个性化信息推荐服务的水平。为了提高用户兴趣建模的质量,本文引入词向量模型和主题模型来准确表示用户兴趣,提出了一种基于BERT模型和LDA主题模型的用户兴趣模型构建方法。该方法将BERT模型和LDA主题模型融合,在训练过程中,模型不仅能够充分利用整个数据集的上下文信息,还能利用LDA获取隐语义信息,同时通过K-means聚类方法提取用户兴趣。实验结果表明,结合后的用户建模方法能够有效解决微博短文本的稀疏性以及上下文依赖性。与其他方法相比,提高了用户兴趣模型的质量。