基于文本理解的推薦系統(tǒng)
作者：葛蘇昱 電子工程系
指導(dǎo)老師：黃永峰教授 電子工程系
關(guān)鍵詞：文本挖掘，推薦系統(tǒng)，用戶建模
摘要
本項目旨在從商品用戶相關(guān)的文本信息中學(xué)習(xí)出精確的商品用戶表示，從而更好進(jìn)行個性化推薦。方法上，不同于傳統(tǒng)的矩陣分解，該項目通過對原始文本的語義建模，有效避免了矩陣稀疏性和冷啟動問題。針對文本和交互信息的噪聲問題，我們采用自注意力機(jī)制對一句話中的單詞進(jìn)行上下文編碼，實(shí)現(xiàn)了自動降噪。另外，項目還為推薦任務(wù)引入更多的信息,如利用用戶的反饋信息來區(qū)別不同商品對興趣建模的重要程度，利用圖交互信息引入用戶或商品之間的相似性等。我們在大規(guī)模的真實(shí)數(shù)據(jù)上進(jìn)行了大量實(shí)驗(yàn)，取得了一定的推薦效果提升。
項目背景
互聯(lián)網(wǎng)上天然存在著海量用戶和商品相關(guān)信息，它們反映商品屬性，隱含用戶偏好，且很多屬于非結(jié)構(gòu)化文本數(shù)據(jù)（新聞內(nèi)容，商品描述，用戶評論等）。因此，本項目旨在從商品用戶相關(guān)的文本信息中學(xué)習(xí)出精確的商品用戶表示，從而更好進(jìn)行個性化推薦。
圖1 用于推薦任務(wù)的文本信息
關(guān)鍵技術(shù)
結(jié)合可靠性感知的商品推薦：學(xué)習(xí)用戶表示時，自動給予可靠性高的文本更大權(quán)重
圖2 結(jié)合可靠性感知的商品推薦
圖表示增強(qiáng)的新聞推薦：以交互圖中的鄰居信息彌補(bǔ)交互稀疏，學(xué)習(xí)更加豐富的用戶與新聞表示
圖3圖表示增強(qiáng)的新聞推薦
項目成果
結(jié)合可靠性感知的商品推薦：
圖4亞馬遜數(shù)據(jù)集商品推薦效果對比
圖表示增強(qiáng)的新聞推薦：
圖5微軟新聞數(shù)據(jù)集推薦效果對比
