基于用戶評論的圖書推薦算法研究.pdf

1、互聯(lián)網(wǎng)的快速發(fā)展，尤其是Web2.0的興起，為人們提供了豐富大量的信息資源，人們在暢游信息海洋的同時，“信息過載”給人們帶來的困惑也越來越多。面對大量的信息，人們往往無從選擇，想要尋找自己需要的信息必須花費大量的時間和精力。推薦系統(tǒng)應運而生，很好的解決了信息過載問題，并在電子商務平臺得到廣泛應用且成為重要組成部分。目前，在眾多的推薦技術(shù)中，協(xié)同過濾是應用最廣泛的推薦技術(shù)，尤其是在電子商務平臺，其應用效果表現(xiàn)的更為突出。在傳統(tǒng)的協(xié)同過濾推

2、薦系統(tǒng)中，推薦結(jié)果的產(chǎn)生是利用用戶的評分來完成的。這種方法存在的問題是:一方面，隨著用戶數(shù)和項目數(shù)的增加，用戶—項目評分矩陣的數(shù)據(jù)嚴重稀疏;另一方面，用戶的評分反映了用戶對所購產(chǎn)品的整體喜好，但用戶對產(chǎn)品的某一特征或?qū)傩缘钠脧恼w評分上并不能夠得到體現(xiàn)。為了能夠充分了解到用戶對產(chǎn)品不同特征層面的偏好，大量研究者們通過對用戶評論進行特征—情感詞對抽取來獲取用戶偏好，從而為用戶提供更準確的推薦。
　　本文針對圖書推薦算法，主要從以下

3、幾個方面進行了深入的研究和探討。首先，對用戶評論語料進行預處理，抽取出特征—情感詞對，量化產(chǎn)品在不同特征層面的分數(shù)，構(gòu)建項目-特征評分矩陣，在此基礎(chǔ)上獲得用戶在項目特征層面的偏好。其次，在進行項目相似度評分預測時，提出利用基于項目的評分相似度和特征相似度的綜合相似度來預測評分，填充評分矩陣，解決數(shù)據(jù)稀疏性問題。然后，針對傳統(tǒng)的基于用戶的協(xié)同過濾算法在用戶相似度計算時，只是考慮用戶評分上的相似而未考慮用戶偏好相似的問題，提出在用戶相似度計