版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、用戶在線購物時常常被在線平臺要求對他們購買的商品及相關服務進行評價,撰寫評論。隨著電子商務的日益成熟,用戶評論的數(shù)量也在不斷增長。一件熱門商品甚至會有成千上萬的評論。這就對潛在的用戶和商家造成了困難,因為用戶無法快速閱讀評論并做出合理的決策,而商家則無法跟蹤商品的問題,及時調(diào)整生產(chǎn)經(jīng)營策略。精準的推薦系統(tǒng)能快速幫助用戶找到他們所需要的產(chǎn)品。但是,目前推薦方法的研究主要集中在用戶信息和在線行為。評論能直接反應商品特征和用戶觀點。因此,本文
2、將觀點挖掘策略應用于推薦系統(tǒng)中,提出一種基于觀點挖掘的混合推薦模型。
本文的主要工作包括:
?。?)本文首先對評論語料進行分詞、詞性標注、句法分析。然后,手動抽取少量觀點詞作為種子,根據(jù)觀點詞和特征詞出現(xiàn)的共現(xiàn)關系,抽取特征詞集合。從觀點詞的同義關系以及觀點詞-特征詞-觀點詞的傳遞關系,找到其它的觀點詞。循環(huán)往復,直到最后沒有新的觀點詞和特征詞可以加入,利用上述的方法找到特征詞集和觀點詞集。
(2)本文引入直
3、覺模糊集理論對觀點詞進行極性判斷,針對得到的觀點詞集,首先,結合觀點詞所在單句的評論得分,給出觀點詞的傾向。然后,在復雜句,即出現(xiàn)多個觀點詞的情況下,利用直覺模糊集理論和已知觀點詞的傾向來判斷剩余未知的觀點詞傾向。
?。?)本文將評論觀點加入到推薦模型中提出了基于用戶-商品-觀點的混合推薦模型,根據(jù)用戶-商品-觀點的關系從評論語料中抽取用戶特征、商品特征以及觀點特征,將隨機森林和梯度漸進回歸樹以及邏輯回歸引入混合模型,將抽取出的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于意見挖掘的商品推薦問題的研究.pdf
- 面向商品評論的觀點挖掘方法研究.pdf
- 基于數(shù)據(jù)挖掘的商品推薦系統(tǒng)研究和實現(xiàn).pdf
- 基于細粒度觀點挖掘的個性化推薦方法研究.pdf
- 基于語義分析的評論文本挖掘與商品推薦.pdf
- 基于Web的比較觀點挖掘方法研究.pdf
- 基于觀點挖掘的股價走勢預測.pdf
- 基于虛擬觀點文檔的旅游景點的動態(tài)觀點挖掘.pdf
- 基于網(wǎng)絡評論的客戶觀點挖掘方法研究.pdf
- 基于數(shù)據(jù)挖掘的電子商務商品個性化推薦技術研究.pdf
- 基于圖的商品推薦算法研究.pdf
- 基于語義理解的觀點評論挖掘研究.pdf
- 基于商品基因和GA的智能商品推薦系統(tǒng)研究.pdf
- 基于Web數(shù)據(jù)挖掘的智能推薦研究.pdf
- 基于JAVA的商品推薦系統(tǒng)的開發(fā)研究.pdf
- 基于評論分析的商品推薦系統(tǒng)研究.pdf
- 數(shù)據(jù)挖掘技術在電子商務中的商品推薦應用.pdf
- 基于數(shù)據(jù)挖掘的文獻自動推薦研究.pdf
- 基于主題情感統(tǒng)一最大熵模型的觀點挖掘研究.pdf
- 面向網(wǎng)絡輿情的觀點樹挖掘研究.pdf
評論
0/150
提交評論