已閱讀1頁,還剩64頁未讀, 繼續(xù)免費(fèi)閱讀
版權(quán)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(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、基于協(xié)同過濾的推薦模型是一種經(jīng)典的推薦模型,具有簡單有效的優(yōu)點(diǎn),但同時也存在著用戶冷啟動等問題。引入用戶偏好信息不僅能夠解決協(xié)同過濾中存在的用戶冷啟動問題,而且有助于提高推薦的準(zhǔn)確率。在用戶對商品的評論中隱藏著許多用戶偏好信息,應(yīng)用情感分析技術(shù)可以抽取出評論文本中用戶所評價的商品的屬性以及用戶對商品屬性的情感,進(jìn)一步分析可獲取用戶對商品屬性的偏好,依據(jù)用戶對商品屬性的偏好可以得到用戶對商品的偏好。因此,本文主要研究一個引入情感分析的推薦
2、模型,應(yīng)用情感分析技術(shù)抽取出用戶評論中的商品屬性和用戶對商品屬性的情感信息,構(gòu)建用戶偏好模型,然后將用戶偏好與協(xié)同過濾相結(jié)合進(jìn)行推薦,以提高推薦的準(zhǔn)確率。
本文的主要工作有:
(1)分析方面級情感分析技術(shù),改進(jìn)已有的評價對象抽取方法雙向傳播算法,并設(shè)計了基于改進(jìn)的雙向傳播算法的方面級情感分析模型IDP-SA,用于抽取出用戶評論中的商品屬性以及用戶對商品屬性的情感傾向信息,作為用戶的偏好信息。
(2)構(gòu)建了基
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(quán)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(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)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(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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
- 基于評論文本情感分析和概率模型的汽車推薦系統(tǒng)研究.pdf
- 基于情感分析的個性化推薦研究.pdf
- 面向語音環(huán)境的情感補(bǔ)償推薦模型及方法研究.pdf
- 基于情感分析的股票預(yù)測模型研究.pdf
- 基于相似用戶及情感分析的電影協(xié)同推薦研究.pdf
- 基于概率主題模型的作者情感分析.pdf
- 基于概率圖模型的文本對象情感分析.pdf
- 基于情感詞典與規(guī)則綜合的微博情感分析模型研究.pdf
- 基于情感分析的互聯(lián)網(wǎng)數(shù)據(jù)公共意見推薦研究.pdf
- 基于主題模型的文本情感分析研究.pdf
- 基于概率主題模型的社會化情感分析.pdf
- 基于翻譯模型的網(wǎng)絡(luò)評論情感分析研究.pdf
- 基于情感傾向的信息推薦算法研究.pdf
- 引入Provenance的RDF數(shù)據(jù)可信評價模型.pdf
- 基于PAD模型的中文微博情感分析研究.pdf
- 自尊情感模型假設(shè)的檢驗(yàn).pdf
- 基于情感權(quán)重的個性化推薦系統(tǒng).pdf
- 基于LDA模型的微博情感分析技術(shù)研究.pdf
- 基于文本分析的情感挖掘模型研究與應(yīng)用.pdf
- 基于Fujisaki模型的情感語音信號分析與合成.pdf
評論
0/150
提交評論