SIFN：一种用于基于评论的物品推荐的感知情感交互融合网络

推荐系统近期的研究通过利用评论进行评分预测，已显著提升了性能。然而，尽管被广泛研究，这些方法仍存在若干局限。首先，以往研究或通过神经网络编码文档，或提取潜在情感，难以直观解释评论者的情感。其次，它们忽视了评论与用户/物品的交互个性化，即在建模用户/物品情感偏好时，每条评论贡献不同。为弥补这些问题，我们提出一种用于基于评论的物品推荐的感知情感交互融合网络（SIFN）。具体而言，我们首先通过BERT编码用户/物品评论，并提出轻量级情感学习器提取每条评论的语义特征。然后，我们提出情感预测任务，借助显式情感标签引导情感学习器提取感知情感特征。最后，我们设计包含带交互与融合模块的评分学习器的评分预测任务，以融合身份（即用户与物品ID）与每条评论表示，使各类交互特征协同影响最终评分。在五个真实数据集上的实验结果证明，所提模型优于最先进模型。