基于预训练语言模型与知识感知协同过滤的个性化评论评分预测
信息检索
2023-08-08 v1 人工智能
摘要
基于个性化评论的评分预测旨在利用已有评论对用户兴趣与物品特征建模以进行评分预测。现有研究大多面临两个问题。第一，每条评论细粒度方面及知识图谱中所蕴含的丰富知识很少被考虑用来补充纯文本以更好地建模用户-物品交互。第二，预训练语言模型的能力尚未在基于个性化评论的评分预测中得到细致研究。为解决这些问题，我们提出一种名为基于预训练语言模型的知识感知协同过滤(KCF-PLM)的方法。针对第一个问题，为利用丰富知识，KCF-PLM 设计了一个 transformer 网络来建模针对用户-物品对所提取方面之间的交互。针对第二个问题，为更好地表示用户与物品，KCF-PLM 将某用户或某物品的所有历史评论作为输入送入预训练语言模型。此外，KCF-PLM 通过在知识图谱上的表示传播以及用户-物品引导的方面表示注意力，将 transformer 网络与预训练语言模型相整合。因此，KCF-PLM 将评论文本、方面、知识图谱与预训练语言模型结合于一体，用于基于评论的评分预测。我们在多个公开数据集上进行了充分实验，证明了 KCF-PLM 的有效性。
引用
@article{arxiv.2308.02555,
title = {Knowledge-aware Collaborative Filtering with Pre-trained Language Model for Personalized Review-based Rating Prediction},
author = {Quanxiu Wang and Xinlei Cao and Jianyong Wang and Wei Zhang},
journal= {arXiv preprint arXiv:2308.02555},
year = {2023}
}
备注
13 pages, accepted by IEEE TKDE