公开(公告)号：CN111222332B

公开(公告)日：2021-09-21

申请号：CN202010008804.1

申请日：2020-01-06

Applicant: 华南理工大学

Inventor： 张星明 ,  罗凌杰

IPC: G06F40/289 ,  G06F40/30 ,  G06F16/9535 ,  G06N3/04 ,  G06N3/08 ,  G06Q30/06

Abstract: 本发明公开了一种结合注意力网络和用户情感的商品推荐方法，包括步骤：1)提取出用户对商品的评分和评论数据并预处理，构建样本集合T；2)采用无监督的学习模型，利用T中评论的文本数据，不断训练得到相应领域的属性矩阵W；3)构建基于注意力的神经网络结构C，利用基于W的记忆网络和循环神经网络作为基础，使用预测的情感得分作为权重，构建用户偏好向量U和商品特征向量I，利用U和I计算出缺失评分的预测值，同时计算出当前用户和商品的属性向量，用于最终的推荐解释；4)根据预测的评分进行降序排序，为用户推荐前N个商品，并根据属性矩阵和属性向量，为推荐结果提供属性级别的解释。本发明解决了传统评分预测推荐方法缺乏解释性和难以处理大规模数据等问题。

公开(公告)号：CN111222332A

公开(公告)日：2020-06-02

申请号：CN202010008804.1

申请日：2020-01-06

Applicant: 华南理工大学

Inventor： 张星明 ,  罗凌杰

IPC: G06F40/289 ,  G06F40/30 ,  G06F16/9535 ,  G06N3/04 ,  G06N3/08 ,  G06Q30/06

Abstract: 本发明公开了一种结合注意力网络和用户情感的商品推荐方法，包括步骤：1)提取出用户对商品的评分和评论数据并预处理，构建样本集合T；2)采用无监督的学习模型，利用T中评论的文本数据，不断训练得到相应领域的属性矩阵W；3)构建基于注意力的神经网络结构C，利用基于W的记忆网络和循环神经网络作为基础，使用预测的情感得分作为权重，构建用户偏好向量U和商品特征向量I，利用U和I计算出缺失评分的预测值，同时计算出当前用户和商品的属性向量，用于最终的推荐解释；4)根据预测的评分进行降序排序，为用户推荐前N个商品，并根据属性矩阵和属性向量，为推荐结果提供属性级别的解释。本发明解决了传统评分预测推荐方法缺乏解释性和难以处理大规模数据等问题。