基于评论文本情感注意力的推荐方法研究

摘要

基于评论文本的深度学习推荐方法主要利用评论文本刻画用户和项目的特征信息,学习用户对项目的评分关系,提升推荐的性能。现有研究工作在提高推荐系统精度质量的同时,忽略了情感特征在评分预测中的可解释性贡献。针对此问题,考虑了评论文本以及情感倾向分别在用户和项目嵌入中的作用,提出了一种基于评论文本情感注意力的推荐方法(IncorRAS-Rec)。首先,通过卷积神经网络(CNN)处理用户和项目的评论集,对用户和项目的评论文本进行评论特征表示,并提取相关的用户特征信息和项目特征信息,进而结合用户对项目的评分偏好,学习用户和项目的评论情感特征表示;其次,基于注意力机制为用户和项目聚合了相关的评论情感特征信息,学习用户和项目的嵌入表示;最后,结合偏置信息,基于用户和项目的嵌入预测了用户对项目的评分。在亚马逊公开数据集上进行了实验比较和分析,对模型性能进行了有效性评估。实验结果表明:所提IncorRAS-Rec模型不仅在均方根误差(RMSE)和平均绝对误差(MAE)评价指标上的性能要优于其他传统方法,而且能够实现基于情感特征在评分预测方面的解释性作用。