摘要 协同过滤等基于评级的推荐方法仍存在数据稀疏性问题,于是可以考虑融合评级和文本评论来学习更好的表示 1.引言 文本评论中包含了用户对项目的丰富信息[1,2,7-10] 但这样也存在评论文本本身比较含糊,冗余噪声 不过评级和评论本身可以互补,评论可以衡量一个评级的有效性 本文采用MLP显式学习评级的深度特征,通过CNN提取评论语义特征再聚合起来,最后通过**[5]提出的LFM**来结合评级和评论得到预测