【技术实现步骤摘要】
本专利技术属于信息推荐领域，涉及一种具有混合卷积和非对称注意力的评论推荐系统及方法。
技术介绍
1、目前主流的基于评论文本的推荐方法分为以下两种：一种是文档级方法，它将用户或者项目的所有评论连接成一个长文档，然后对该文档进行建模学习，将文档特征作为用户/项目的表示。这种方法可以有效利用全局语义，具有较强的可解释性。然而，该方法对所有评论一视同仁，采用相同的处理方法，忽视了不同评论的重要性和用户的长期偏好变化，因为评论是不同的用户在不同时间对不同的项目独立进行的。另一种是评论级方法，它基于单个评论进行建模，将每条评论单独学习表示，最后将特征融合起来。这种方法更注重评论信息，能够捕捉更多细粒度的特性，并且可以学习到长期偏好的变化。然而，尽管该方法可以通过注意力机制考虑到不同评论的重要性，但用户的单条评论往往很短，不能充分反映用户的兴趣，可能无法有效地学习到用户和项目的全局特征，从而对于复杂的评级行为缺乏有效的可解释性。
2、过去所有的传统文档级方法都是采用固定大小的卷积核进行提取文档特征，这种卷积神经网络只能关注单一的文档特征。...
【技术保护点】
1.一种具有混合卷积和非对称注意力的评论推荐系统，其特征在于：该系统包括两个并行的子网络和预测模块，两个并行的子网络将最终的输出结果输入预测模块，预测模块对输入的结果进行预测评级；
2.一种具有混合卷积和非对称注意力的评论推荐方法，其特征在于：该方法包括用户获取评论表示的过程和项目获取评论表示的过程；
3.根据权利要求2所述的一种具有混合卷积和非对称注意力的评论推荐方法，其特征在于：所述S2中，卷积层I分别使用两组不同尺寸卷积核的滤波器并行提取文档特征，并将每组所有滤波器提取的文档特征进行拼接，输出拼接后的文档特征结果，具体为：
4...
【技术特征摘要】
1.一种具有混合卷积和非对称注意力的评论推荐系统，其特征在于：该系统包括两个并行的子网络和预测模块，两个并行的子网络将最终的输出结果输入预测模块，预测模块对输入的结果进行预测评级；
2.一种具有混合卷积和非对称注意力的评论推荐方法，其特征在于：该方法包括用户获取评论表示的过程和项目获取评论表示的过程；
3.根据权利要求2所述的一种具有混合卷积和非对称注意力的评论推荐方法，其特征在于：所述s2中，卷积层i分别使用两组不同尺寸卷积核的滤波器并行提取文档特征，并将每组所有滤波器提取的文档特征进行拼接，输出拼接后的文档特征结果，具体为：
4.根据权利要求2所述的一种具有混合卷积和非对称注意力的评论推荐方法，其特征在于：所述s2中，卷积层ii使用卷积核尺寸固定的滤波器对嵌入矩阵进行卷积操作，提取评论特征，具体为：
5.根据权利要求3所述的一种具有混合卷积和非对称注意力的评论推荐方法，其特征在于：所述的s3中，在自适应注意力层将每组拼接的文档特征进行融合，将融合的特征进行平均池化得到评论融合特征，将评论融合特征经过全连接层w0和一层softmax运算，得到各组卷积核提取的特征权重，并通过权重的大小自适应地选择特征，得到整个评论文档的特征，将得到的整个文档的特征传递给一个全连接层w1，得到评...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。