基于文本主題模型和樸素貝葉斯的樂評(píng)網(wǎng)站音樂自動(dòng)打分算法研究.pdf

1、隨著機(jī)器學(xué)習(xí)的發(fā)展，意見挖掘技術(shù)也越來(lái)越成熟，另一方面，工業(yè)和互聯(lián)網(wǎng)的發(fā)展又催生出很多需求機(jī)器進(jìn)行情感分類的應(yīng)用場(chǎng)景，比如評(píng)分預(yù)測(cè)。本研究首先綜述了自然語(yǔ)言處理中意見挖掘研究的現(xiàn)狀，繼而討論了傳統(tǒng)內(nèi)容推薦算法在內(nèi)容推薦和評(píng)分預(yù)測(cè)方面的優(yōu)缺點(diǎn)，并且針對(duì)音樂評(píng)論為數(shù)據(jù)源的推薦和評(píng)分算法做了算法可行性的分析，之后發(fā)現(xiàn)基于主題模型的樸素貝葉斯音樂評(píng)分預(yù)測(cè)算法在音樂評(píng)分預(yù)測(cè)問題上非常合適，并將算法與Supervised LDA，SVM，Textg

2、rocery等算法進(jìn)行了比較。
　　UNBTM首先使用主題模型方法對(duì)用戶評(píng)論進(jìn)行處理，產(chǎn)生評(píng)論主題概率分布。之后從評(píng)論主題概率分布中計(jì)算用戶主題概率分布和用戶最重視特征?；谟脩糇钪匾曁卣鳎?jì)算條件概率分布，再根據(jù)貝葉斯公式計(jì)算用戶在已有評(píng)分分段上的評(píng)分概率。評(píng)分和檢驗(yàn)方面，研究采用最高概率評(píng)分作為用戶的評(píng)分預(yù)測(cè)并且利用實(shí)驗(yàn)設(shè)計(jì)來(lái)驗(yàn)證結(jié)果。
　　主要結(jié)論如下:
　　1)分析了目前在評(píng)論挖掘、主題模型、協(xié)同過(guò)濾算法領(lǐng)域國(guó)

3、內(nèi)外的研究發(fā)展現(xiàn)狀，創(chuàng)造性地提出了基于主題模型的樸素貝葉斯音樂評(píng)分預(yù)測(cè)算法UNBTM。
　　2)樸素貝葉斯音樂評(píng)分預(yù)測(cè)算法能對(duì)音樂評(píng)論的情感偏好（好評(píng)，差評(píng)）進(jìn)行預(yù)測(cè)，但對(duì)于具體的評(píng)分預(yù)測(cè)效果，受到數(shù)據(jù)集和主題模型的限制。
　　3)通過(guò)與相關(guān)的算法Supervised LDA，SVM，Textgrocery對(duì)比，UNBTM在評(píng)分預(yù)測(cè)上的表現(xiàn)與三種算法相當(dāng)，在情感分類上和Textgrocery表現(xiàn)相當(dāng)。但是它對(duì)于數(shù)據(jù)稀疏的問題