基于评论文本的评分预测推荐算法研究

发布时间：2025-06-20 00:29

　　随着互联网基础设施的日益完善和云计算技术的逐渐成熟,信息技术已经广泛应用在各行各业。面对规模庞大的数据,如何高效检索出所需的信息变得越来越困难,这就是所谓的“信息过载”问题。推荐系统能通过分析用户的历史行为数据,主动地从大规模的数据中提取用户感兴趣的信息呈现给用户,已经成为缓解“信息过载”的有效途径之一。然而,推荐系统仍面临着诸多挑战:(1)数据稀疏问题:用户和物品的交互记录以矩阵进行存储,往往每个用户仅跟少量物品产生过交互,这导致的矩阵稀疏问题将会增大推荐系统对用户建模的难度;(2)冷启动问题:对于一个新的用户(或物品),交互记录矩阵将新增一行(或一列)。由于新用户(或物品)可用于建模的信息不足,将产生不准确的推荐结果;(3)可解释性问题:目前很少推荐算法能给出推荐结果的推荐理由,极大地影响用户的使用体验。如何提高推荐结果的可解释性,是一个值得探讨的问题。针对上述问题,本文结合自然语言处理的深度学习技术,基于评论文本数据展开了推荐算法的研究,主要的工作如下:(1)针对数据稀疏和冷启动问题,提出了融合评论文本和评分矩阵的推荐模型。近年的相关研究都仅使用评分数据或评论数据,为了同时利用这两...

【文章页数】：87 页

【学位级别】：硕士

【部分图文】：

图2-5多层RNN结构

ttttthzhzh)1(1（2.28）2)多层RNN结构tXth1th1thtanhtanhtanhtanhtanhtanh1tXRNNCell（LSTM）RNNCell（LSTM）1tXth1th1th第二层

图2-6双向RNN结构

中国民航大学硕士学位论文18的隐状态拼接作为最终的隐状态。tXth1th1thtanhtanhtanhtanhtanhtanh1tXRNNCell（LSTM）RNNCell（LSTM）正向反向1tXthtXtanhtanhtanhtanhtanhtanhRNNCell（LSTM）....

图3-7二阶项的注意力得分综上所述，得益于区分不同二阶组合贡献度的能力，变体AFM性能胜于变体FM

中国民航大学硕士学位论文41结果可知，二阶交互有利于隐因子质量的提高，变体FM比变体Fully_Connected取得更好的结果。为了探究同源和非同源二阶项对建模的贡献，下文使用变体AFM对6种不同的二阶项组合进行注意力打分。由于隐因子数量k为16时模型取得最....

图4-5评论

中国民航大学硕士学位论文61(2)模型参数灵敏度分析Ⅰ.方面数量对模型的影响图4-4展示了在不同主题的数据集下，不同方面数量对模型的影响。对于不同数据集，模型取得最佳性能时所对应的方面数量是不同的，最佳性能所需的方面数量为4-6，这意味着方面数量过少或过大都不是合理的。当方面数为....

本文编号：4051152