基于用戶評論意見挖掘的混合推薦系統(tǒng).pdf

1、隨著互聯(lián)網覆蓋越來越多的人群，也越來越深入我們生活的各個方面，人們一方面從中獲得了許多的便利，另一方面又被爆炸式增長的數(shù)據(jù)弄得難以決策。因此，我們需要根據(jù)用戶的個性化需求提供更加精準服務，以提升信息交換和利用的效率，而推薦系統(tǒng)就是實現(xiàn)這一目標的重要途徑。推薦系統(tǒng)走過了從基于內容到協(xié)同過濾的發(fā)展階段，一度淡化了內容的價值。而如今隨著用戶生成內容發(fā)揮著越來越重要的作用，我們需要重新審視內容的巨大潛能。
　　在值得利用的用戶生成內容之中

2、，文字占有統(tǒng)治地位，而理解和利用這一信息的重要領域——意見挖掘，也持續(xù)火熱。盡管如此，它與推薦系統(tǒng)還未能實現(xiàn)很好的結合。本文則通過分析現(xiàn)有推薦系統(tǒng)的優(yōu)缺點和意見挖掘領域達成的成果，提出了基于意見挖掘的混合推薦模型，實現(xiàn)了意見挖掘在推薦系統(tǒng)中的應用。
　　該模型利用了雙向擴張意見提取技術，從無結構的用戶評論之中獲取了大量可以描述用戶和物品特性的結構性的數(shù)據(jù)，再通過線性回歸模型得到用戶每個意見的具體分值。另一方面，在用戶對物品各屬性評