Multi-Pointer Co-Attention Networks for Recommendation notes
发布时间
阅读量：
阅读量
此模型的核心功能在于对评论数据进行处理，从而有效提升推荐系统的精准度。
模型架构由六个主要模块构成，依次为输入嵌入层、评论级共注意力机制、评论指针、词级共注意力机制、多指针学习模块以及预测层。
一、输入嵌入层
首先为输入嵌入模块，该模块包含两个子结构，分别为嵌入层与评论门控机制。在嵌入层中，通过相关评论构建用户序列a和项目序列b，其中每条评论中的每个词语均被转换为一个one-hot向量形式进行表示。而在评论门控机制部分，设置了一个初始阶段的过滤组件。该组件采用门控结构，用于确定传递至后续处理阶段的评论信息量。
二、Review-level Co-attention
本层的核心功能是从评论集合中筛选出信息量最为充足的评论，其构成包含两个关键模块，即亲和力矩阵与池化函数。
在亲和力矩阵模块中，主要负责计算用户所发表的第i条评论与商品对应的第j条评论之间的相似程度。
还没有任何评论哟~