基于相似用戶(hù)及情感分析的電影協(xié)同推薦研究.pdf

1、在日常生活中含有大量的信息數(shù)據(jù)。隨著互聯(lián)網(wǎng)的極速發(fā)展，人們很難從海量數(shù)據(jù)中尋找出想要的內(nèi)容，這種“信息過(guò)載”現(xiàn)象日益突出，已經(jīng)影響人們的生活的質(zhì)量。在這種背景下，個(gè)性化推薦作為處理信息過(guò)載的重要技術(shù)作用突顯出來(lái)，已在電子商務(wù)和社交網(wǎng)絡(luò)等領(lǐng)域取得了十分廣泛的應(yīng)用。所以本文提出了一種基于相似用戶(hù)情感分析的協(xié)同推薦算法，通過(guò)相似用戶(hù)的喜好類(lèi)似的原則進(jìn)行針對(duì)性推薦。
　　用戶(hù)不需要描述個(gè)人的具體信息需求，特別是在目標(biāo)用戶(hù)沒(méi)有明確表達(dá)需求時(shí)

2、推薦效果突出。
　　協(xié)同過(guò)濾算法具有其推薦效果良好、算法簡(jiǎn)單和能夠處理復(fù)雜對(duì)象的優(yōu)點(diǎn)，已經(jīng)成為個(gè)性化推薦中最成功和應(yīng)用最廣泛的技術(shù)。通過(guò)分析用戶(hù)的歷史行為，該技術(shù)可以發(fā)現(xiàn)用戶(hù)的潛在喜好，并向用戶(hù)推薦相應(yīng)的項(xiàng)目。在日常生活中，人們經(jīng)常遇到選擇觀看電影難、看了不喜歡看的電影等問(wèn)題，為解決這些問(wèn)題協(xié)同過(guò)濾算法可以進(jìn)行運(yùn)用。然而，影評(píng)數(shù)據(jù)口語(yǔ)化嚴(yán)重、用戶(hù)行為矩陣稀疏以及電影項(xiàng)目自身就存在特色性等問(wèn)題，導(dǎo)致推薦電影不夠準(zhǔn)確，為了解決此類(lèi)問(wèn)題

3、本文展開(kāi)如下的研究。
　　第一，針對(duì)影評(píng)中的口語(yǔ)化嚴(yán)重的問(wèn)題，提出基于可擴(kuò)充的詞性路徑算法，有選擇的抽取出文本中的情感詞，降低口語(yǔ)化中非情感詞被誤認(rèn)為情感詞的可能性。減少由于口語(yǔ)化造成的非情感詞被錯(cuò)誤認(rèn)為是情感詞的可能性。對(duì)訓(xùn)練影評(píng)語(yǔ)料進(jìn)行詞性路徑分析，整理出詞性的泛化表，將詞性路徑參考詞性泛化處理后再進(jìn)行后續(xù)操作，不但可以簡(jiǎn)化算法的復(fù)雜度，還可以減少詞性路徑庫(kù)中詞性路徑的數(shù)量。將出現(xiàn)頻率由高到低排序后，人工排除不合理的詞性路徑，

4、并選取一定數(shù)量的路徑作為詞性路徑庫(kù)，增加詞性路徑的準(zhǔn)確度。
　　第二，相似度的計(jì)算是本文的核心。為了更好的解決用戶(hù)，評(píng)分矩陣的稀疏性，又提出了一種改進(jìn)的Jaccard系數(shù)進(jìn)行相似計(jì)算。在Jaccard系數(shù)存在相似度結(jié)果不精確的問(wèn)題。相似度和觀看行為的相似、觀看行為吻合的次數(shù)關(guān)和觀看的總數(shù)有關(guān)。通過(guò)實(shí)驗(yàn)和Jaccard系數(shù)進(jìn)行比較，證明本文提出的系數(shù)更符合實(shí)際，有效的降低了MAE值，推薦精度更高。
　　第三，針對(duì)影評(píng)數(shù)據(jù)的特殊