基于觀點挖掘的商品推薦研究.pdf

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