Anr

テキストレビューは、AmazonやYelpなどの多くのeコマースおよびレビューウェブサイトで簡単に入手できるため、レコメンダーシステムにとって非常に貴重な情報源となります。しかし、レビューのすべての部分が同じように重要ではなく、同じ言葉の選択でも文脈によって異なる意味を反映する可能性があります。本論文では、注意機構を用いてユーザーとアイテムの両方に対するアスペクトベースの表現学習を行う新しいエンドツーエンドのアスペクトベースニューラルレコメンダー（ANR）を提案します。さらに、神経共注意メカニズムを適応させることで、ユーザーがアイテムを評価する際の多面的なプロセスを、アスペクトレベルでのユーザーとアイテムの重要性を推定することでモデル化します。提案したモデルは、既存のレコメンダーシステムのいくつかの短所に同時に対処し、AmazonとYelpからの25のベンチマークデータセットに対する徹底的な実験研究では、ANRがDeepCoNN、D-Attn、ALFMなどの最近提案された最先端ベースラインを大幅に上回ることを示しています。