基于耦合CNN评分预测模型的个性化商品推荐

摘要 电子商务中大量评论数据蕴含着丰富的信息，该信息有助于解决个性化推荐系统存在的数据稀疏问题.为了充分挖掘评论数据蕴含的价值，提高商品推荐的准确率，本文提出了基于耦合CNN评分预测模型的个性化商品推荐方法.该方法首先利用耦合CNN构建评分预测模型，将耦合CNN分为用户网络和商品网络，划分成输入层、卷积层、输出层和共享层；用户评论数据和商品评论数据分别从相应网络输入；在评论数据分析时，从字向量角度进行语义分析，同时改变传统的使用单一大小卷积核处理句子的模式，使用多个并行的卷积层，利用大小不同的卷积核对句子进行特征提取；两个网络的输出将共同汇聚于共享层，在共享层使用因子分解机进行评分预测；最后将结果中的高评分商品推荐给用户.经对比实验验证，本文所给方法能够提高商品推荐的准确率