融合社交因素和评论文本卷积网络模型的汽车推荐研究

被引：28

作者：

冯永 ^{[1
,2
]}

陈以刚 ^{[1
,2
]}

强保华 ^{[3
]}

机构：

[1] 重庆大学计算机学院

[2] 重庆大学信息物理社会可信服务计算教育部重点实验室

[3] 桂林电子科技大学广西云计算与大数据协同创新中心

来源：

自动化学报 | 2019年 / 45卷 / 03期

关键词：

汽车推荐; 卷积神经网络; 社交圈; 矩阵分解;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理]; TP183 [人工神经网络与计算];

学科分类号：

120506 [数字人文]; 140502 [人工智能];

摘要：

汽车作为较高价值和个性化的消费品,使得用户购车决策过程较一般商品更为复杂.本文主要研究社交环境和评论文本两方面对用户购车决策过程的影响,提出了融合社交因素和评论文本卷积网络的汽车推荐模型(Social and comment text CNN model based automobile recommendation, SCTCMAR). SCTCMAR首先定义了基于购买用途需求的社交圈,在此基础上提出了个人偏好计算方法,并引入了偏好相似度;其次,设计了卷积网络模型学习汽车评论文本的隐特征;然后将社交影响量化因素和评论文本特征有机融合注入推荐模型,并采用低阶矩阵分解技术进行模型计算.另外,本文使用GloVe预训练词嵌入模型,产生了SCTCMAR的另一个版本SCTCMAR+.最后,将SCTCMAR、SCTCMAR、FMM (Flexible mixture model), TR (Trust rank). Random sampling在课题组爬取后经清理、去重和整合的266 995个用户、702辆汽车信息的真实数据集上进行精确率、召回率和平均倒序排名三个指标的多粒度实验比较,结果表明本文提出的SCTCMAR+和SCTCMAR具有良好的推荐性能.

引用

页码：518 / 529

页数：12

共 8 条

[1]

基于矩阵填充和物品可预测性的协同过滤算法 [J].

潘涛涛 ;

文锋 ;

刘勤让 .

自动化学报, 2017, 43 (09) :1597-1606

[2]

面向自然语言处理的深度学习研究[J] 奚雪峰;周国栋; 自动化学报 2016, 10

[3]

基于ROI-KNN卷积神经网络的面部表情识别 [J].

孙晓 ;

潘汀 ;

任福继 .

自动化学报, 2016, 42 (06) :883-891

[4]

一种组合型的深度学习模型学习率策略 [J].

贺昱曜 ;

李宝奇 .

自动化学报, 2016, 42 (06) :953-958

[5]

基于用户声誉的鲁棒协同推荐算法 [J].

张燕平 ;

张顺 ;

钱付兰 ;

张以文 .

自动化学报, 2015, 41 (05) :1004-1012

[6]

TrustRank: a Cold-Start tolerant recommender system[J] Haitao Zou;Zhiguo Gong;Nan Zhang;Wei Zhao;Jingzhi Guo Enterprise Information Systems 2015,

[7]

Item-based top- N recommendation algorithms[J] Mukund Deshpande;George Karypis ACM Transactions on Information Systems (TOIS) 2004,

[8]

Collaborative topic modeling for recommending scientific articles Wang C;Blei D M; Proceedings of the 17th ACMSIGKDD International Conference on Know ledge Discovery and Data Mining 2011,

← 1 →