软件学报

作者：强敏杰，王中卿，周国栋

单位：强敏杰，苏州大学 计算机科学与技术学院, 江苏 苏州 21500611,王中卿，苏州大学 计算机科学与技术学院, 江苏 苏州 21500602,周国栋，苏州大学 计算机科学与技术学院, 江苏 苏州 21500603

关键词：推荐系统;评分预测;预训练模型;注意力机制

随着商家评论网站的快速发展, 推荐系统所带来的效率提升使得评分预测成为近年来新兴研究任务之一. 现有的评分预测方法通常局限于协同过滤算法以及各类神经网络模型, 并没有充分利用目前预训练模型提前学习的丰富的语义知识. 针对此问题, 提出一种基于预训练语言模型的个性化评分预测方法, 其通过分析用户和商家的历史评论, 为用户在消费前提供评分预测作为参考. 该方法首先设计一项预训练任务, 让模型学习捕捉文本中的关键信息. 其次, 通过细粒度情感分析方法对评论文本进行处理, 从而获取评论文本中的属性词. 接下来, 设计一个属性词嵌入层将上述外部领域知识融入模型中. 最后, 采用基于注意力机制的信息融合策略, 将输入文本的全局和局部语义信息进行融合. 实验结果表明, 该方法相较于基准模型, 在两个自动评价指标上均取得显著的提升.

来源：2025年第2期

《软件学报》期刊编辑部

查看软件学报杂志2025年第2期