基于情感傾向的信息推薦算法研究.pdf

1、伴隨著計算機技術(shù)的發(fā)展，大部分網(wǎng)站通過采用一種新的探索方法——信息數(shù)據(jù)挖掘推薦，實現(xiàn)了無人工檢索即可獲得信息的新技術(shù)。數(shù)據(jù)挖掘推薦可以在恰當(dāng)?shù)臅r機為適宜的對象提供相關(guān)的產(chǎn)品信息或數(shù)據(jù)，使更多的用戶能享受到周到的服務(wù)體驗，從而提高網(wǎng)站的點擊率。繼搜索引擎誕生之后，數(shù)據(jù)挖掘推薦算法成為除了搜索算法以外，另一種信息獲取方法，它的應(yīng)用范圍十分廣闊，不僅可用于互聯(lián)網(wǎng)新聞消息發(fā)布、有關(guān)數(shù)據(jù)文本發(fā)掘。日前，有關(guān)情感計算的研究工作越來越受到信息領(lǐng)域相關(guān)

2、專家的關(guān)注，情感計算已成為信息學(xué)科最具有潛力的發(fā)展方向。就個性化數(shù)據(jù)挖掘推薦服務(wù)來說，可以利用用戶的情緒變化與喜惡態(tài)度來判斷其情感需求，而新的需求會隨著系統(tǒng)應(yīng)用領(lǐng)域的增大而增大。最終，用戶的情感需求研究會演變?yōu)閭€性化數(shù)據(jù)挖掘推薦服務(wù)的一個重要組成部分。在對個性化數(shù)據(jù)挖掘推薦、人工情感等有關(guān)理論知識進(jìn)行總結(jié)分析的基礎(chǔ)上，本文改進(jìn)了一種以情感傾向為基礎(chǔ)的信息數(shù)據(jù)挖掘推薦算法，并利用一系列的優(yōu)化算法實現(xiàn)了基于情感的數(shù)據(jù)挖掘推薦。文章以數(shù)據(jù)挖掘

3、推薦算法為出發(fā)點，通過比較所提兩種不同的情感推薦模型，得到不同形成條件下更合理的數(shù)據(jù)挖掘推薦算法。
　　目前的文獻(xiàn)中基本都是在進(jìn)行選詞的優(yōu)化，本文的創(chuàng)新點在于引入極限學(xué)習(xí)機的優(yōu)化算法處理情感數(shù)據(jù)中的噪聲數(shù)據(jù)，加權(quán)極限學(xué)習(xí)機算法研究。研究兩種基于極限學(xué)習(xí)機的加權(quán)推薦算法，分別是單加權(quán)極限學(xué)習(xí)機(WELM)和雙加權(quán)極限學(xué)習(xí)機(BWELM)，不同于ELM推薦器，WELM直接將加權(quán)隸屬度加權(quán)到推薦器中，對存在噪聲數(shù)據(jù)的樣本進(jìn)行推薦時，提高