摘要:推荐系统的本质是建模消费者行为中隐藏的兴趣偏好.人的行为离不开心理，表象的行为背后蕴含着丰富的内在产生动机.然而，当前的推荐系统主要聚焦于对消费者表象的行为数据建模层面，很少涉及内在的心理活动和决策中对信息的加工过程，难以解析行为背后的产生路径.为此，本文研究了一种新的推荐系统方法创新思路，聚焦于基于评论的推荐场景，从消费者决策旅程视角出发，引入AIDMA阶段式决策模型，将消费者行为的产生过程视为对商品“引起注意→产生兴趣→唤醒欲望→留下记忆→决策行为”的决策旅程，并将其运用到深度学习的模型设计中，提出一种新的推荐方法.实验表明本研究方法的推荐效果显著优于现有方法.本研究遵循了“模型驱动+数据驱动”的大数据驱动研究范式，不仅实现了对推荐系统具有消费者行为理论模型支撑的深度学习方法创新，还为理解消费者在决策过程中对非结构化评论文本的信息加工过程提供了借鉴和参考.