面向推薦系統(tǒng)的評(píng)論分析研究.pdf

1、隨著互聯(lián)網(wǎng)和計(jì)算機(jī)技術(shù)的不斷進(jìn)步，信息的數(shù)量不斷爆炸式增長，導(dǎo)致了普遍的“信息過載”問題。在信息大爆炸的今天，人們迫切需要解決的問題就是如何高效處理并使用這些信息。除了搜索引擎之外，另外一種可以幫助人們快速發(fā)現(xiàn)自己所需信息的強(qiáng)大工具就是推薦系統(tǒng)。推薦系統(tǒng)可以根據(jù)用戶的歷史行為、用戶生成內(nèi)容、商品的描述信息等客觀數(shù)據(jù)來建模，從而推測用戶的偏好，進(jìn)而為用戶推薦有價(jià)值的信息或者商品。
　　近年來，越來越多的研究者注意到使用用戶生成內(nèi)容（

2、如用戶評(píng)論，地理位置，好友關(guān)系等）來設(shè)計(jì)推薦算法可以提高推薦性能。本文從不同角度研究分析了用戶評(píng)論，提高推薦準(zhǔn)確度，改善推薦質(zhì)量。本文的主要工作如下：
　　(1)對(duì)推薦系統(tǒng)相關(guān)的技術(shù)背景做了調(diào)研，系統(tǒng)地介紹了推薦系統(tǒng)的原理，并比較了一些常用推薦算法的優(yōu)勢和劣勢。
　　(2)相對(duì)評(píng)分來說，用戶對(duì)物品的評(píng)論從用戶和物品的各個(gè)角度具體表達(dá)了用戶的觀點(diǎn)。利用這些信息更有助于挖掘用戶的喜好，本文提出了一種基于詞向量的方法挖掘用戶評(píng)論信

3、息，并結(jié)合協(xié)同過濾方法設(shè)計(jì)新的推薦算法，來改善評(píng)分預(yù)測的效果。
　　(3)針對(duì)現(xiàn)有基于評(píng)論的推薦算法沒有充分考慮個(gè)性化的問題，本文通過對(duì)評(píng)論進(jìn)行主題分析，挖掘用戶喜好，分別建立基于用戶和物品的個(gè)性化評(píng)分預(yù)測模型以提高推薦系統(tǒng)的評(píng)分預(yù)測性能。
　　(4)主要介紹了基于知識(shí)庫的評(píng)論短語抽取和分層式展示方法。高效、準(zhǔn)確、用戶友好的評(píng)論標(biāo)簽展示不僅可以改善用戶查閱用戶評(píng)論的體驗(yàn),也可以用于構(gòu)建更加細(xì)致用戶畫像和物品特征，實(shí)現(xiàn)更精確的