针对传统矩阵分解算法无法挖掘深层隐含信息，以及未能充分利用用户和项目评论的问题，提出基于注意力机制的深度协同推荐模型。首先采用注意力机制对评论文本赋权，使用并行的卷积神经网络分别提取用户评论和项目评论特征，同时将评分矩阵输入多层感知机，得到用户隐表示和项目隐表示；然后对两个网络提取的用户特征和项目特征进行融合；最后使用因子分解机和深度神经网络分别提取线性和非线性特征，以进行评分预测。在Amazon的3组公共数据集上进行实验，发现该模型的RMSE达到0.83。与5组对照模型相比，新建模型的RMSE分别降低了14.0%、11.2%、9.8%、7.7%、3.9%，表明该模型能有效提升推荐效果。
0 引 言
随着互联网的迅速发展，数据量呈现出爆炸式增长［1］。推荐系统作为一种可以从海量数据中有效挖掘有价值信息的技术，受到了广泛关注［