發(fā)布時間：2021-08-09 11:14

　　近年來,協(xié)同過濾算法在推薦領(lǐng)域受到了廣泛的關(guān)注及應(yīng)用。傳統(tǒng)協(xié)同過濾算法利用用戶評分進行推薦,然而隨著用戶和商品數(shù)量的不斷增加,評分數(shù)據(jù)的稀疏問題成為了制約傳統(tǒng)協(xié)同過濾算法推薦效果的重要因素�，F(xiàn)有的協(xié)同過濾算法中,將評論挖掘與協(xié)同過濾相融合的方法是緩解該問題的重要途徑之一,其中使用主題模型進行評論挖掘的協(xié)同過濾算法由于能夠發(fā)揮主題模型的數(shù)理統(tǒng)計特性和靈活的拓展性等優(yōu)勢而逐漸備受關(guān)注。但現(xiàn)有的這類算法沒有充分考慮到用戶評論的短文本特性與情感特性,利用主題模型得到的主題概率分布的準確性難以得到保證,成為了制約其推薦效果的重要因素。對評分矩陣進行預(yù)填充的方法也是現(xiàn)有的協(xié)同過濾算法中緩解數(shù)據(jù)稀疏問題的重要途徑之一,但現(xiàn)有的算法在填充方法的合理性、適用性、準確性等方面均存在著不同程度的局限,難以有效提升推薦質(zhì)量。為了緩解數(shù)據(jù)稀疏問題對現(xiàn)有的協(xié)同過濾算法推薦效果的影響,本文從評論挖掘和評分矩陣填充兩個方面出發(fā),提出一種基于用戶評論和評分的協(xié)同過濾算法。首先,針對現(xiàn)有的協(xié)同過濾算法利用主題模型進行評論挖掘的局限性,提出在協(xié)同過濾算法中使用主題情感混合模型進行評論挖掘的方法,并利用評論挖掘獲取到的用戶情... 

【文章來源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：91 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖３－４手機評論示例??Ｆｉｇ３－４?Ａｎ?ｅｘａｍｐｌｅ?ｏｆ?ｍｏｂｉｌｅ?ｐｈｏｎｅ?ｒｅｖｉｅｗ??綜合以上兩個方面，本文提出一種改進的基于用戶評論和評分的協(xié)同過濾算??

本文提出的ＣＦＢＵＲＲ算法使用ＡＳＵＭ模型對用戶評論進行挖掘，該模型在處??理評論文本時是以句子為基本單位的，因此需要對評論文本進行分句操作。以常??用的標點符號等對評論文本??進行分句。圖４－２為京東網(wǎng)站上的一條手機評論示例，分句的代碼和該條評論的分??句結(jié)果如圖４－３所示。??

?０?０??圖４－１京東網(wǎng)站的垃圾評論??Ｆｉｇ４－１?Ｇａｒｂａｇｅ?ｃｏｍｍｅｎｔｓ?ｏｎ?ｔｈｅ?Ｊｉｎｇｄｏｎｇ?ｗｅｂｓｉｔｅ??本文從商品評論信息中收集了許多垃圾評論的內(nèi)容，采用關(guān)鍵句識別過濾的??方法進行過濾。除此之外，還有一些純標點符號的評論，這種評論內(nèi)容無法傳遞??有效信息，也作為垃圾評論進行處理。本文處理垃圾評論的函數(shù)代碼如下。??函數(shù)名：ｓｐａｍ?＾ｆｉｌｔｅｒ??輸入：原始評論集合??垃圾識別句集合??輸出：過濾垃圾評論之后的評論集合??ｉｍｐｏｒｔ?ｒｅ??ｄｅｆ?ｓｐａｍ＿ｆｉ］ｔｅｒ（ｓｒｃ＿ｃｏｍｍｅｎｔｓ＿３ｉｓｔ，?ｓｐａｍ＿ｃｏｍｍｅｎｔｓ＿ｌｉｓｔ）：??ｖａｌｉｄｃｏｍｍｅｎｔｓ?一?ｌｉｓｔ?＝?口??ｆｏｒ?ｃｏｍｍｅｎｔ?ｉｎ?ｓｒｃ＿ｃｏｍｍｅｎｔｓ＿ｌｉｓｔ：??＃如果該條數(shù)據(jù)的評論內(nèi)容中出現(xiàn)了垃圾評論識別句，則舍棄該條數(shù)據(jù)??ｉｓｓｐａｍ?＝?Ｆａｌｓｅ??ｆｏｒｓｐａｍ—ｃｏｍｍｅｎｔ?ｉｎ?ｓｐａｍ—ｃｏｍｍｅｎｔｓ—ｌｉｓｔ：??ｉｆ?ｓｐａｍ—ｃｏｍｍｅｎｔ?ｉｎ?ｃｏｍｍｅｎｔ：??ｉｓｓｐａｍ?＝?Ｔｒｕｅ??ｂｒｅａｋ??ｉｆ?ｉｓ—ｓｐａｍ：??ｃｏｎｔｉｎｕｅ??＃如果評論內(nèi)容去掉標點符號之后為空，則舍棄該條數(shù)據(jù)??ｍａｒｋｓ?－?＂［＼Ａ�。郑�，；￥％Ａ＊（＋＼ｎＶ）｜＋——（）？【】“’’?！?；?，。？、？＠＃Ｙ％……＆＊（）］，’??ｃｏｍｍｅｎｔ?ｓｕｂ?＝?ｒｅ．ｓｕｂ（ｍａｒｋｓ

【參考文獻】：
期刊論文
[1]面向短文本情感分析的詞擴充LDA模型[J]. 沈冀,馬志強,李圖雅,張力.  山東大學(xué)學(xué)報(工學(xué)版). 2018(03)
[2]一種融合聚類與用戶興趣偏好的協(xié)同過濾推薦算法[J]. 何明,孫望,肖潤,劉偉世.  計算機科學(xué). 2017(S2)
[3]基于社交關(guān)系的微博主題情感挖掘[J]. 黃發(fā)良,于戈,張繼連,李超雄,元昌安,盧景麗.  軟件學(xué)報. 2017(03)
[4]基于語義約束LDA的商品特征和情感詞提取[J]. 彭云,萬常選,江騰蛟,劉德喜,劉喜平,廖國瓊.  軟件學(xué)報. 2017(03)
[5]在線評論特征對消費者購買決策的影響[J]. 張睿,于陶靜.  科技與管理. 2016(06)
[6]基于情境聚類優(yōu)化的移動電子商務(wù)協(xié)同過濾推薦研究[J]. 翟麗麗,邢海龍,張樹臣.  情報理論與實踐. 2016(08)
[7]基于稀疏數(shù)據(jù)預(yù)處理的協(xié)同過濾推薦算法[J]. 陳宗言,顏俊.  計算機技術(shù)與發(fā)展. 2016(07)
[8]基于評論與評分的協(xié)同過濾算法[J]. 李偉霖,王成良,文俊浩.  計算機應(yīng)用研究. 2017(02)
[9]一種融合情景和評論信息的位置社交網(wǎng)絡(luò)興趣點推薦模型[J]. 高榕,李晶,杜博,余永紅,宋成芳,丁永剛.  計算機研究與發(fā)展. 2016(04)
[10]融合社交網(wǎng)絡(luò)信息的協(xié)同過濾推薦算法[J]. 郭蘭杰,梁吉業(yè),趙興旺.  模式識別與人工智能. 2016(03)

博士論文
[1]推薦系統(tǒng)關(guān)鍵技術(shù)研究[D]. 任磊.華東師范大學(xué) 2012

碩士論文
[1]基于改進主題模型的微博短文本情感分析的研究[D]. 黃俊衡.東南大學(xué) 2017



本文編號：3331965