基于情感分析的評(píng)論極性分類和電影推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著信息科技的發(fā)展，互聯(lián)網(wǎng)應(yīng)用逐漸滲透到人們生活中的各個(gè)方面。電影作為當(dāng)代人一種重要娛樂休閑方式，其傳播途徑也呈現(xiàn)出了多元化的特點(diǎn)。當(dāng)前移動(dòng)網(wǎng)絡(luò)的發(fā)展快速，使得人們觀看電影的方式有了多種選擇，線上電影觀看的比重也呈逐漸上升的趨勢。如何對(duì)網(wǎng)絡(luò)上的優(yōu)秀電影進(jìn)行甄別并進(jìn)行推薦已經(jīng)成為當(dāng)前一個(gè)熱門研究，電影推薦系統(tǒng)也成為解決這一問題的重要幫手。
　　傳統(tǒng)的電影推薦方法主要是利用目標(biāo)客戶的打分記錄來找到和他相似的用戶，或者利用用戶的歷史偏好

2、找到top-n個(gè)和以往觀看過相似的電影來做推薦，這類推薦方法的操作簡便，精度較高。缺點(diǎn)也很明顯，某些制片方為了利益可能會(huì)招募一些人給他們的產(chǎn)品打高分，導(dǎo)致推薦的結(jié)果并不可信。這時(shí)候觀影用戶對(duì)電影主觀的評(píng)價(jià)內(nèi)容可以更好的發(fā)揮作用，通過評(píng)論的分析可更為準(zhǔn)確的獲取用戶對(duì)電影的評(píng)價(jià)。因此，將情感分析引入到電影推薦系統(tǒng)中為推薦系統(tǒng)的發(fā)展提供新的思路?，F(xiàn)有的情感分析大致分為兩類，基于詞典的方法和基于機(jī)器學(xué)習(xí)的方法，已有的情感分析算法各有優(yōu)缺點(diǎn)，導(dǎo)致

3、單一的情感分析方法無法適用于電影推薦系統(tǒng)中，降低了系統(tǒng)的性能。因此，怎樣將情感分析與推薦相結(jié)合給用戶提供直觀，準(zhǔn)確的電影觀看反饋，使推薦結(jié)果更符合用戶的觀影偏好成為系統(tǒng)實(shí)現(xiàn)中一個(gè)重要問題。本文提出的融合情感詞頻和主題維數(shù)拓展的方法可以對(duì)系統(tǒng)中的評(píng)論進(jìn)行自動(dòng)褒貶分類，使用戶直觀的了解其他用戶的觀影反饋，獲得真正好評(píng)電影分類，將其加入系統(tǒng)中并加入“好評(píng)率”公式中實(shí)現(xiàn)了熱門推薦模塊。
　　本文的具體工作如下:
　　1.本文在ASP

4、.NET平臺(tái)運(yùn)用C＃語言實(shí)現(xiàn)了一個(gè)電影推薦推薦系統(tǒng)，用戶功能包括熱門推薦，個(gè)性化推薦，高分推薦，評(píng)論的極性分類，站內(nèi)交友等。
　　2.本文提出一種融合情感詞頻和主題維數(shù)拓展的方法，利用主題維度拓展和情感詞頻進(jìn)行特征提取，用LIBSVM進(jìn)行分類，可以得到自動(dòng)判別的評(píng)論的情感極性，使用戶通過評(píng)論極性分類可以更直觀地發(fā)現(xiàn)其他用戶對(duì)某部電影的反饋?；趯⑷诤锨楦性~頻和主題維數(shù)拓展的方法可以將評(píng)論情感信息引入到推薦系統(tǒng)的熱門推薦模型中，該方

5、法在豆瓣網(wǎng)站真實(shí)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，也得到了很好的效果。
　　3.系統(tǒng)在個(gè)性化推薦模塊中實(shí)現(xiàn)了基于內(nèi)容的推薦算法，通過LDA算法對(duì)電影主題提取，聯(lián)合導(dǎo)演，主演的關(guān)鍵信息進(jìn)行特征組合，進(jìn)行余弦相似度計(jì)算，根據(jù)相似度結(jié)果進(jìn)行推薦，有效的解決了協(xié)同過濾中用戶評(píng)分矩陣稀疏的問題。
　　4.最終實(shí)現(xiàn)的電影推薦系統(tǒng)利用本文提出的融合情感詞頻和主題維數(shù)擴(kuò)展的方法將系統(tǒng)的熱門推薦模塊模塊實(shí)現(xiàn)并與基于內(nèi)容的個(gè)性化推薦、高分推薦等方法相結(jié)合。三者協(xié)同