發(fā)布時(shí)間：2018-08-01 18:38

【摘要】：協(xié)同過濾推薦算法通�；谖锲坊蛴脩舻南嗨贫葋韺�(shí)現(xiàn)個(gè)性化推薦,但是數(shù)據(jù)的稀疏性往往導(dǎo)致推薦精度不理想。大多數(shù)傳統(tǒng)推薦算法僅考慮用戶對(duì)物品的總體評(píng)分,而忽略了評(píng)論文本中用戶對(duì)物品各個(gè)屬性面的偏好。該文提出一種基于情感分析的推薦算法SACF(reviews sentiment analysis for collaborative filtering),該算法在經(jīng)典的協(xié)同過濾推薦算法的基礎(chǔ)上,考慮評(píng)論文本對(duì)相似度計(jì)算的影響。SACF算法利用LDA主題模型挖掘物品潛在的K個(gè)屬性面,通過用戶在各個(gè)屬性面上的情感偏好計(jì)算用戶相似度,從而構(gòu)建推薦模型。基于京東網(wǎng)上評(píng)論數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明,SACF算法不但可以有效地改善傳統(tǒng)協(xié)同過濾推薦算法中數(shù)據(jù)稀疏性的問題,而且提高了推薦系統(tǒng)的精度。
[Abstract]:Collaborative filtering recommendation algorithms usually implement personalized recommendation based on the similarity of items or users, but the sparsity of data often leads to unsatisfactory recommendation accuracy. Most of the traditional recommendation algorithms only consider the user's overall rating of the item, but ignore the user's preference for each attribute surface of the item in the comment text. This paper presents an affective analysis-based recommendation algorithm (SACF (reviews sentiment analysis for collaborative filtering), which is based on the classical collaborative filtering recommendation algorithm. Considering the influence of comment text on similarity calculation. SACF algorithm uses LDA topic model to mine the potential K attribute surfaces of items and calculates user similarity through user's emotional preference on each attribute surface and then constructs a recommendation model. The experimental results based on the review data set on JingDong network show that the proposed algorithm can not only effectively improve the data sparsity in the traditional collaborative filtering recommendation algorithm, but also improve the accuracy of the recommendation system.
【作者單位】： 武漢大學(xué)計(jì)算機(jī)學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(61472291,61303115)
【分類號(hào)】：TP391.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 余小鵬;;一種基于多層關(guān)聯(lián)規(guī)則的推薦算法研究[J];計(jì)算機(jī)應(yīng)用;2007年06期

2 張立燕;;一種基于用戶事務(wù)模式的推薦算法[J];福建電腦;2009年03期

3 王晗;夏自謙;;基于蟻群算法和瀏覽路徑的推薦算法研究[J];中國(guó)科技信息;2009年07期

4 周珊丹;周興社;王海鵬;倪紅波;張桂英;苗強(qiáng);;智能博物館環(huán)境下的個(gè)性化推薦算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年19期

5 王文;;個(gè)性化推薦算法研究[J];電腦知識(shí)與技術(shù);2010年16期

6 張愷;秦亮曦;寧朝波;李文閣;;改進(jìn)評(píng)價(jià)估計(jì)的混合推薦算法研究[J];微計(jì)算機(jī)信息;2010年36期

7 夏秀峰;代沁;叢麗暉;;用戶顯意識(shí)下的多重態(tài)度個(gè)性化推薦算法[J];計(jì)算機(jī)工程與應(yīng)用;2011年16期

8 楊博;趙鵬飛;;推薦算法綜述[J];山西大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期

9 尹長(zhǎng)青;楊單稷;;基于視頻的智能推薦算法[J];科技傳播;2011年22期

10 吳泓辰;王新軍;成勇;彭朝暉;;基于協(xié)同過濾與劃分聚類的改進(jìn)推薦算法[J];計(jì)算機(jī)研究與發(fā)展;2011年S3期

相關(guān)會(huì)議論文 前7條

1 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個(gè)性化推薦算法[A];第二十四屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2007年

2 唐燦;;基于模糊用戶心理模式的個(gè)性化推薦算法[A];2008年計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)論文集[C];2008年

3 秦國(guó);杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

4 梁莘q，

本文編號(hào)：2158481