基于評論挖掘的協(xié)同過濾推薦算法研究.pdf

1、隨著互聯(lián)網的飛速發(fā)展,“信息過載”的問題使得電子商務推薦系統(tǒng)面臨著如何定位用戶興趣及時提供準確產品的瓶頸。而協(xié)同過濾算法是在諸多推薦系統(tǒng)中使用最廣泛和有效的算法之一,但推薦準確性與數(shù)據稀疏性等問題一直都是影響該算法效果的重要因素。本文利用電子商務社區(qū)中豐富的用戶評論信息,通過結合用戶偏好相似度來改善傳統(tǒng)協(xié)同過濾算法的推薦準確性,并通過相似度傳遞,在一定程度上緩解數(shù)據稀疏性帶來的問題。
　　 本文首先對國內外電子商務推薦算法進行了

2、深入的分析,在此基礎上,提出了基于評論挖掘的協(xié)同過濾推薦算法。本文通過中文詞性的句法統(tǒng)計分析,從評論語料中挖掘出產品特征詞和情感詞的常用詞性模板,并利用這些模板提取產品特征詞和情感詞。之后利用提取出來的產品特征詞和情感詞劃分產品的關注層面,并從評論中量化出產品各個層面的分數(shù),最后根據學習到的用戶偏好及歷史評分數(shù)據,計算用戶偏好相似度與評分相似度進行協(xié)同過濾推薦,并通過相似度傳遞緩解了數(shù)據稀疏性帶來的問題。實驗結果表明,在數(shù)據稀疏的情況下