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

1、伴隨著國家大數(shù)據(jù)戰(zhàn)略的實施，以電子商務(wù)為首的互聯(lián)網(wǎng)應(yīng)用與現(xiàn)代生活深度融合的同時，也逐漸促進了汽車等傳統(tǒng)行業(yè)市場經(jīng)營和發(fā)展模式的轉(zhuǎn)型?；ヂ?lián)網(wǎng)平臺和信息技術(shù)的發(fā)展為消費者選購汽車提供了更多的便利條件和參考信息來源，然而汽車銷售市場愈來愈激烈的競爭卻導(dǎo)致了信息負(fù)載問題的進一步加劇。
　　推薦系統(tǒng)作為一種主動過濾無關(guān)信息的技術(shù)，特別是以基于內(nèi)容和協(xié)同過濾的改良算法為主流的推薦技術(shù)，憑借其在普通消費商品推薦任務(wù)中所展現(xiàn)的出色的性能和效率，不

2、僅在電子商務(wù)平臺、互聯(lián)網(wǎng)金融、社交網(wǎng)絡(luò)等各大互聯(lián)網(wǎng)平臺中得到了廣泛應(yīng)用，同時也成為大量學(xué)術(shù)領(lǐng)域研究者關(guān)注的熱點。然而對于一些特定領(lǐng)域場景下的個性化推薦任務(wù)，例如房屋、汽車、金融產(chǎn)品等，協(xié)同過濾技術(shù)和以物品過濾為基礎(chǔ)的推薦算法所表現(xiàn)出的有效性并不能很好地滿足用戶需求。
　　本文在針對傳統(tǒng)推薦算法在汽車個性化推薦任務(wù)中所遇到的困難和瓶頸進行了深入分析的基礎(chǔ)上，構(gòu)建了一種基于概率模型的汽車個性化推薦系統(tǒng)APRS。該推薦系統(tǒng)可以幫助普通消

3、費者在無需過多了解汽車領(lǐng)域相關(guān)知識的情況下，輔助他們進行汽車的挑選以及購買決策。論文的主要研究成果如下：
　?、籴槍χ形纳唐吩诰€評論的特點，本文在挖掘觀點分句Part-Of-Speech（POS）模式和構(gòu)建相關(guān)專業(yè)領(lǐng)域知識詞典的基礎(chǔ)上，提出了一種基于商品屬性特征的意見挖掘和情感分析算法SAOSP，該算法以評論分句為粒度對商品在線評論文本進行分析，從而完成了商品各項屬性特征評分情感分析和量化工作，從客觀數(shù)據(jù)事實的角度對商品基本信息進

4、行補充的同時，也為推薦模型的構(gòu)建奠定了數(shù)據(jù)基礎(chǔ)。
　?、谕ㄟ^對用戶在汽車購買過程中的行為特征進行綜合分析，我們在論文中提出了一種新穎的概率模型用于對用戶的商品購買過程進行描述。本文在該模型中綜合考慮了用戶個人偏好、互聯(lián)網(wǎng)用戶群體以及現(xiàn)實中社交群體等影響用戶最終購買決策的各項因素，并利用矩陣投影算法對模型中各概率參數(shù)進行計算。
　?、坩槍μ囟☉?yīng)用領(lǐng)域商品復(fù)雜度高，普通用戶相關(guān)專業(yè)領(lǐng)域知識匱乏的特點，本文所提出的推薦系統(tǒng)采用會話

5、的方式對用戶的用途需求進行顯式引導(dǎo)，基于所提出的推薦模型將用戶的用途需求與商品屬性特征信息之間潛在的聯(lián)系進行構(gòu)建和量化，并給出了 Top-K推薦列表中商品評分排名的計算公式。幫助普通用戶在缺少汽車相關(guān)專業(yè)領(lǐng)域知識的情況下，只需根據(jù)自身的購車用途需求可以得到基于客觀數(shù)據(jù)事實的推薦結(jié)果。
　?、芡ㄟ^引入FMM和TR兩種基于協(xié)同過濾技術(shù)的推薦算法作為對比，本文在現(xiàn)實數(shù)據(jù)集上對所提出的汽車個性化推薦系統(tǒng) APRS進行了對比實驗分析。實驗結(jié)