基于终身机器学习的主题挖掘与评分预测联合模型

摘要

为充分利用历史知识,提高评分预测精度,基于终身机器学习(LML)机制提出一种同时挖掘用户评分和评论的推荐模型.在执行任务时积累知识并用于后续任务的训练,提高评分预测精度.在真实数据集上的实验结果表明,与无LML能力的模型相比,该模型预测评分的均方误差降低5.4‰,且随着知识的积累,误差不断降低,提高了主题词语分类的精度.