基于評(píng)論文本情感分析和概率模型的汽車(chē)推薦系統(tǒng)研究.pdf

1、伴隨著國(guó)家大數(shù)據(jù)戰(zhàn)略的實(shí)施，以電子商務(wù)為首的互聯(lián)網(wǎng)應(yīng)用與現(xiàn)代生活深度融合的同時(shí)，也逐漸促進(jìn)了汽車(chē)等傳統(tǒng)行業(yè)市場(chǎng)經(jīng)營(yíng)和發(fā)展模式的轉(zhuǎn)型。互聯(lián)網(wǎng)平臺(tái)和信息技術(shù)的發(fā)展為消費(fèi)者選購(gòu)汽車(chē)提供了更多的便利條件和參考信息來(lái)源，然而汽車(chē)銷(xiāo)售市場(chǎng)愈來(lái)愈激烈的競(jìng)爭(zhēng)卻導(dǎo)致了信息負(fù)載問(wèn)題的進(jìn)一步加劇。
　　推薦系統(tǒng)作為一種主動(dòng)過(guò)濾無(wú)關(guān)信息的技術(shù)，特別是以基于內(nèi)容和協(xié)同過(guò)濾的改良算法為主流的推薦技術(shù)，憑借其在普通消費(fèi)商品推薦任務(wù)中所展現(xiàn)的出色的性能和效率，不

2、僅在電子商務(wù)平臺(tái)、互聯(lián)網(wǎng)金融、社交網(wǎng)絡(luò)等各大互聯(lián)網(wǎng)平臺(tái)中得到了廣泛應(yīng)用，同時(shí)也成為大量學(xué)術(shù)領(lǐng)域研究者關(guān)注的熱點(diǎn)。然而對(duì)于一些特定領(lǐng)域場(chǎng)景下的個(gè)性化推薦任務(wù)，例如房屋、汽車(chē)、金融產(chǎn)品等，協(xié)同過(guò)濾技術(shù)和以物品過(guò)濾為基礎(chǔ)的推薦算法所表現(xiàn)出的有效性并不能很好地滿(mǎn)足用戶(hù)需求。
　　本文在針對(duì)傳統(tǒng)推薦算法在汽車(chē)個(gè)性化推薦任務(wù)中所遇到的困難和瓶頸進(jìn)行了深入分析的基礎(chǔ)上，構(gòu)建了一種基于概率模型的汽車(chē)個(gè)性化推薦系統(tǒng)APRS。該推薦系統(tǒng)可以幫助普通消

3、費(fèi)者在無(wú)需過(guò)多了解汽車(chē)領(lǐng)域相關(guān)知識(shí)的情況下，輔助他們進(jìn)行汽車(chē)的挑選以及購(gòu)買(mǎi)決策。論文的主要研究成果如下：
　?、籴槍?duì)中文商品在線(xiàn)評(píng)論的特點(diǎn)，本文在挖掘觀點(diǎn)分句Part-Of-Speech（POS）模式和構(gòu)建相關(guān)專(zhuān)業(yè)領(lǐng)域知識(shí)詞典的基礎(chǔ)上，提出了一種基于商品屬性特征的意見(jiàn)挖掘和情感分析算法SAOSP，該算法以評(píng)論分句為粒度對(duì)商品在線(xiàn)評(píng)論文本進(jìn)行分析，從而完成了商品各項(xiàng)屬性特征評(píng)分情感分析和量化工作，從客觀數(shù)據(jù)事實(shí)的角度對(duì)商品基本信息進(jìn)

4、行補(bǔ)充的同時(shí)，也為推薦模型的構(gòu)建奠定了數(shù)據(jù)基礎(chǔ)。
　?、谕ㄟ^(guò)對(duì)用戶(hù)在汽車(chē)購(gòu)買(mǎi)過(guò)程中的行為特征進(jìn)行綜合分析，我們?cè)谡撐闹刑岢隽艘环N新穎的概率模型用于對(duì)用戶(hù)的商品購(gòu)買(mǎi)過(guò)程進(jìn)行描述。本文在該模型中綜合考慮了用戶(hù)個(gè)人偏好、互聯(lián)網(wǎng)用戶(hù)群體以及現(xiàn)實(shí)中社交群體等影響用戶(hù)最終購(gòu)買(mǎi)決策的各項(xiàng)因素，并利用矩陣投影算法對(duì)模型中各概率參數(shù)進(jìn)行計(jì)算。
　?、坩槍?duì)特定應(yīng)用領(lǐng)域商品復(fù)雜度高，普通用戶(hù)相關(guān)專(zhuān)業(yè)領(lǐng)域知識(shí)匱乏的特點(diǎn)，本文所提出的推薦系統(tǒng)采用會(huì)話(huà)

5、的方式對(duì)用戶(hù)的用途需求進(jìn)行顯式引導(dǎo)，基于所提出的推薦模型將用戶(hù)的用途需求與商品屬性特征信息之間潛在的聯(lián)系進(jìn)行構(gòu)建和量化，并給出了 Top-K推薦列表中商品評(píng)分排名的計(jì)算公式。幫助普通用戶(hù)在缺少汽車(chē)相關(guān)專(zhuān)業(yè)領(lǐng)域知識(shí)的情況下，只需根據(jù)自身的購(gòu)車(chē)用途需求可以得到基于客觀數(shù)據(jù)事實(shí)的推薦結(jié)果。
　　④通過(guò)引入FMM和TR兩種基于協(xié)同過(guò)濾技術(shù)的推薦算法作為對(duì)比，本文在現(xiàn)實(shí)數(shù)據(jù)集上對(duì)所提出的汽車(chē)個(gè)性化推薦系統(tǒng) APRS進(jìn)行了對(duì)比實(shí)驗(yàn)分析。實(shí)驗(yàn)結(jié)