【推荐系统】基于文本挖掘的推荐模型【含基于CNN的文本挖掘、python代码】

【推荐系统】基于文本挖掘的推荐模型【含基于CNN的文本挖掘】

• 一、实现的主要原理及思路
  • 1. 深度神经网络
    • 1.1神经网络原理
    • 1.2神经网络的表示
    • 1.3示例
    • 1.4深度神经网络(Deep Neural Networks，DNN)
  • 2. 卷积网络（Convolutional Neural Networks, CNN）处理文本评价的方式
    • 2.1图像 应用 卷积网络
    • 2.2文本挖掘 应用 卷积神经网络
  • 3. 基于CNN的评论文本挖掘
    • 3.1数据预处理
    • 3.2CNN
  • 4.基于文本挖掘的推荐模型
• 二、 结果与分析
  • 1. 基于CNN的评论文本挖掘
  • 2. 基于文本挖掘的推荐模型-评分预测
• 三、总结

基于文本挖掘的推荐模型 – 了解基于文本评论的推荐模型，实现评分预测

一、实现的主要原理及思路

1. 深度神经网络

关于神经网络更详细介绍可以看此篇【深度学习】含神经网络、CNN、RNN推理

1.1神经网络原理

1.2神经网络的表示

1.3示例

1.4深度神经网络(Deep Neural Networks，DNN)

DNN则是指包含多个隐层的神经网络

2. 卷积网络（Convolutional Neural Networks, CNN）处理文本评价的方式

2.1图像 应用 卷积网络

二维卷积网络是通过将卷积核在二维矩阵中，分别从width和height两个方向进行滑动窗口操作，且对应位置进行相乘求和。而图像则正是拥有二维特征像素图，所以图像应用卷积网络是二维卷积网络。

2.2文本挖掘 应用 卷积神经网络

当文本由一系列单词组成，eg:hello world, I like you.是一个一维的单词序列，卷不起来。所以此时应将卷积网络的思想运用到文本挖掘中，则需要考虑到单词的表征。如下图