陈昊峰，刘学军+，王步美

(1.南京工业大学 计算机科学与技术学院，江苏 南京211816；2.江苏省特种设备安全监督检验研究院 直属分院安全评价室，江苏 南京 210002)

0 引 言

为深入挖掘用户的历史行为信息从而捕获用户的兴趣偏好，推荐系统应运而生。推荐系统根据分析用户过去的行为记录和属性等相关信息，以此来预测用户未来的兴趣偏好，并基于这些预测结果以个性化的方式为用户提供所需要的商品项目[1]。

传统的推荐系统方法使用协同过滤推荐算法(collaborative filtering recommendation algorithm，CF[2])，该算法主要根据用户的历史交互进行推荐，然而对于那些交互信息较少的用户，推荐的效果就会受到影响。

现有的跨域推荐研究主要是通过相关的源域作为辅助信息，利用跨域评级矩阵来实现知识的迁移，当用户的交互信息不足时往往会导致评级矩阵产生稀疏性问题，因此相关研究人员考虑把用户的评论信息作为知识进行转移，评论信息可以丰富用户和项目的建模，不但可以反应用户对项目的爱好程度，而且还能提高推荐的可解释性。但是当用户对一个项目的评论较少容易产生评论稀疏性问题。

针对上述问题，提出了一种基于评论文本和融入专业度评分的跨域混合推荐方法(hybrid cross-domain recommendation based on comment text and rating recommendation，CTR-HCDR)。该方法通过不同领域用户的评论来连接多个用户的内在特征，能够提取用户和项目评论文本中的方面特征信息，并通过注意力机制识别和加权全局跨域方面相关性进行用户偏好估计。……