發(fā)布時間：2018-06-02 22:44

  本文選題：細粒度觀點挖掘 + 個性化推薦　； 參考：《浙江理工大學》2017年碩士論文

【摘要】：隨著互聯(lián)網(wǎng)的蓬勃發(fā)展,電子商務的迅速擴張,在網(wǎng)上購買產(chǎn)品已經(jīng)成為現(xiàn)代人的一種生活方式�；ヂ�(lián)網(wǎng)購物平臺提供了種類豐富的產(chǎn)品,用戶為了能夠從中選擇符合自己需求的產(chǎn)品,需要花費大量的時間和精力。個性化推薦技術的出現(xiàn)為此提供了一種非常有效的解決方法。個性化推薦計算能夠模仿銷售人員幫助用戶選擇心儀的產(chǎn)品。目前的個性化推薦系統(tǒng),一般通過對產(chǎn)品評分數(shù)據(jù)和用戶的歷史行為信息進行分析,而產(chǎn)品評論中存在的大量有價值的信息常常被忽略掉。一方面,用戶給出的評分是對所購買產(chǎn)品的一個整體印象,只利用這些評分不能滿足其他消費者對產(chǎn)品各個方面特征的不同評價信息獲取的需求。另一方面,現(xiàn)有的利用評論文本的推薦研究,只是利用觀點挖掘與情感分析給出消費者對產(chǎn)品整體性的褒貶性,并沒有將消費者對產(chǎn)品各個方面特征的評價和所持有的觀點與個性化推薦相來結合起來�；谝陨显�,本文基于細粒度觀點挖掘技術提出一種個性化的推薦方法。本文方法是通過對于用戶評論文本的細粒度觀點挖掘,獲得產(chǎn)品各個方面特征下的情感強度和情感傾向,然后利用k-means聚類方法和D-S證據(jù)理論對細粒度觀點挖掘的結果進行處理獲得評分。最后,利用此評分對用戶提供個性化推薦服務�；谝陨戏椒ńo出的推薦產(chǎn)品可以被消費者信服,更加適合消費者個性化的需求。
[Abstract]:With the rapid development of the Internet and the rapid expansion of e-commerce, buying products online has become a way of life for modern people. Internet shopping platform provides a variety of products, users need to spend a lot of time and energy in order to choose products that meet their needs. The emergence of personalized recommendation technology provides a very effective solution. Personalized recommendation computing can mimic sales people to help users choose the desired product. The current personalized recommendation system generally analyzes the product score data and the user's historical behavior information, but a large number of valuable information in product reviews are often ignored. On the one hand, the rating given by the user is an overall impression of the product purchased, and the use of these ratings can not meet the needs of other consumers for different evaluation information of each aspect of the product. On the other hand, the existing research on the recommendation of the review text only uses the viewpoint mining and the emotional analysis to give the consumers' praise and demerit to the product integrity. It does not combine the consumer's evaluation and view of each aspect of the product with personalized recommendation. Based on the above reasons, this paper proposes a personalized recommendation method based on fine-grained viewpoint mining technology. The method of this paper is to mine the fine-grained view of the user comment text to obtain the emotional intensity and tendency of each aspect of the product. Then k-means clustering method and D-S evidence theory are used to process the results of fine-grained viewpoint mining to get the score. Finally, this score is used to provide personalized recommendation service to users. Based on the above method, the recommended products can be convinced by consumers and more suitable for consumers' individualized needs.
【學位授予單位】：浙江理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.3

【參考文獻】

相關期刊論文 前10條

1 劉翠娟;劉箴;柴艷杰;方昊;劉良平;;基于微博文本數(shù)據(jù)分析的社會群體情感可視計算方法研究[J];北京大學學報(自然科學版);2016年01期

2 祝婷;秦春秀;李祖海;;基于用戶分類的協(xié)同過濾個性化推薦方法研究[J];現(xiàn)代圖書情報技術;2015年06期

3 伍育紅;;聚類算法綜述[J];計算機科學;2015年S1期

4 袁漢寧;周彤;韓言妮;陳媛媛;;基于MI聚類的協(xié)同推薦算法[J];武漢大學學報(信息科學版);2015年02期

5 張林;錢冠群;樊衛(wèi)國;華琨;張莉;;輕型評論的情感分析研究[J];軟件學報;2014年12期

6 邢長征;谷浩;;基于平均密度優(yōu)化初始聚類中心的k-means算法[J];計算機工程與應用;2014年20期

7 陳潔敏;湯庸;李建國;蔡奕彬;;個性化推薦算法研究[J];華南師范大學學報(自然科學版);2014年05期

8 吳進寶;;K-means算法研究綜述[J];電子技術與軟件工程;2014年18期

9 陳興蜀;吳小松;王文賢;王海舟;;基于特征關聯(lián)度的K-means初始聚類中心優(yōu)化算法[J];四川大學學報(工程科學版);2015年01期

10 姜偉;鐘志農(nóng);吳燁;陳犖;李杰;;基于綜合支持度的廣義空間實體關系特征詞提取方法[J];計算機與現(xiàn)代化;2014年08期

，

本文編號：1970472