本文選題：推薦系統(tǒng)　切入點：評分預(yù)測　出處：《中文信息學(xué)報》2017年02期 　論文類型：期刊論文

【摘要】：推薦系統(tǒng)(recommender system)廣泛應(yīng)用于電子商務(wù)網(wǎng)站。目前流行的基于協(xié)同過濾的推薦算法利用用戶的歷史評分來預(yù)測用戶對物品的喜好程度。隨著互聯(lián)網(wǎng)的發(fā)展,如今的電子商務(wù)網(wǎng)站越來越注重與用戶的交互,于是產(chǎn)生了大量的用戶生成內(nèi)容(user generated content),如評論、地理位置、好友關(guān)系等。相對評分來說,用戶對物品的評論從用戶或者物品的各個角度具體表達了用戶的觀點。利用這些信息更有助于挖掘用戶的喜好。該文提出一種基于詞向量的方法挖掘用戶評論信息,并結(jié)合協(xié)同過濾的方法設(shè)計新的推薦算法,來改善評分預(yù)測的效果。實驗結(jié)果表明,該算法較大程度上提高了評分預(yù)測精度。
[Abstract]:Recommendation system is widely used in e-commerce websites. Currently popular recommendation algorithms based on collaborative filtering use the user's history score to predict the user's preference for goods. Today's e-commerce sites are increasingly focused on interacting with users, resulting in a lot of user-generated generated content, such as reviews, geographic locations, friendships, etc. Users' comments on items express their views from various angles of users or items. Using these information is more helpful for mining users' preferences. This paper proposes a word-vector-based approach to mining user comment information. A new recommendation algorithm is designed with collaborative filtering to improve the effect of score prediction. The experimental results show that the algorithm improves the accuracy of score prediction to a large extent.
【作者單位】： 蘇州大學(xué)計算機科學(xué)與技術(shù)學(xué)院;
【分類號】：TP391.3

【相似文獻】

相關(guān)期刊論文 前4條

1 劉立超;劉小秋;趙巖;;跨業(yè)務(wù)主題分析的研究與應(yīng)用[J];電力信息化;2010年07期

2 周亦鵬;楊月華;梁美玉;杜軍平;;跨媒體主題分析及應(yīng)用研究[J];計算機仿真;2012年06期

3 石晶;范猛;李萬龍;;基于LDA模型的主題分析[J];自動化學(xué)報;2009年12期

4 ;[J];;年期

相關(guān)博士學(xué)位論文 前1條

1 周亦鵬;基于軟件人的情境主題分析及應(yīng)用研究[D];北京科技大學(xué);2012年

相關(guān)碩士學(xué)位論文 前3條

1 王立人;基于主題分析和社交圈發(fā)現(xiàn)的微博朋友推薦[D];昆明理工大學(xué);2016年

2 彭中正;基于Spark的社交主題分析與應(yīng)用[D];電子科技大學(xué);2016年

3 尋麗娜;面向閱讀理解的篇章主題分析研究[D];山西大學(xué);2016年

，

本文編號：1608011