A3NCF: An Adaptive Aspect Attention Model for Rating Prediction
论文下载(找了很多地方 希望对大家有帮助 )
研究目的
当前的推荐系统认为考虑用户对实体的多方面属性关注能够提高推荐的准确率,不同的用户对实体的属性的重视度不同,被认为是偏好/注意力权重向量。现在的研究大多假设对于所有的实体,权重向量是相等的,其实不然。
例如,用户A用昂贵的价格买了部手机,那么他所希望的是除了基本的功能之外,还对其他方面的属性有高质量的要求,例如相机有高分辨率,更长的电池寿命和好看的外表。然而用户B用低廉的价格购买的手机则不会有太高的要求,仅仅会关注手机的基本功能,例如,通话连接质量。
为了解决这个问题,本文提出了一个新的模型A3NCF
提出模型
评分只能体现用户对实体的整体满意程度,不能说明基本原因,举例说明:
一个用户可能会因为手机的高分辨率和电池待机时间长从而给出高分,但是这并不能从评分里体现出来。
之前的MF方法不能对实体属性实现细粒度的建模,导致无法解释的推荐和用户少量评分的“冷启动”问题。文章里还提到很多参考文献,关于抽取属性信息和相关的技术。