公开(公告)号：CN114357283A

公开(公告)日：2022-04-15

申请号：CN202111505740.7

申请日：2021-12-10

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  贺壮壮 ,  涂立静 ,  李景霞

IPC: G06F16/9535 ,  G06F16/9536 ,  G06Q50/00 ,  G06N3/04

Abstract: 本发明公开了一种基于评论和自注意力机制的推荐方法，通过利用用户和物品的交互行为分别获得用户与物品的表征矩阵，应用用户—评论的自注意力模块得到用户与评论之间的隐式关系，丰富用户的表征矩阵；将处理后的用户表征矩阵与物品表征矩阵拼接起来，并将其作为联合表征矩阵输入到全连接层中，经过计算得到用户对物品的预测评分；对预测评分进行降序排列，选取评分最高的N个商品进行推荐。本发明通过使用自注意力机制处理评论，使模型的性能优于现有的技术下的推荐模型，最终提高了真实环境下推荐物品的准确度。

公开(公告)号：CN114357283B

公开(公告)日：2024-08-02

申请号：CN202111505740.7

申请日：2021-12-10

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  贺壮壮 ,  涂立静 ,  李景霞

IPC: G06F16/9535 ,  G06F16/9536 ,  G06Q50/00 ,  G06N3/0464

Abstract: 本发明公开了一种基于评论和自注意力机制的推荐方法，通过利用用户和物品的交互行为分别获得用户与物品的表征矩阵，应用用户—评论的自注意力模块得到用户与评论之间的隐式关系，丰富用户的表征矩阵；将处理后的用户表征矩阵与物品表征矩阵拼接起来，并将其作为联合表征矩阵输入到全连接层中，经过计算得到用户对物品的预测评分；对预测评分进行降序排列，选取评分最高的N个商品进行推荐。本发明通过使用自注意力机制处理评论，使模型的性能优于现有的技术下的推荐模型，最终提高了真实环境下推荐物品的准确度。