本文關鍵詞：基于情感分析的評論極性分類和電影推薦系統(tǒng)的設計與實現(xiàn)，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著信息科技的發(fā)展,互聯(lián)網(wǎng)應用逐漸滲透到人們生活中的各個方面。電影作為當代人一種重要娛樂休閑方式,其傳播途徑也呈現(xiàn)出了多元化的特點。當前移動網(wǎng)絡的發(fā)展快速,使得人們觀看電影的方式有了多種選擇,線上電影觀看的比重也呈逐漸上升的趨勢。如何對網(wǎng)絡上的優(yōu)秀電影進行甄別并進行推薦已經(jīng)成為當前一個熱門研究,電影推薦系統(tǒng)也成為解決這一問題的重要幫手。傳統(tǒng)的電影推薦方法主要是利用目標客戶的打分記錄來找到和他相似的用戶,或者利用用戶的歷史偏好找到top-n個和以往觀看過相似的電影來做推薦,這類推薦方法的操作簡便,精度較高。缺點也很明顯,某些制片方為了利益可能會招募一些人給他們的產(chǎn)品打高分,導致推薦的結果并不可信。這時候觀影用戶對電影主觀的評價內容可以更好的發(fā)揮作用,通過評論的分析可更為準確的獲取用戶對電影的評價。因此,將情感分析引入到電影推薦系統(tǒng)中為推薦系統(tǒng)的發(fā)展提供新的思路�，F(xiàn)有的情感分析大致分為兩類,基于詞典的方法和基于機器學習的方法,已有的情感分析算法各有優(yōu)缺點,導致單一的情感分析方法無法適用于電影推薦系統(tǒng)中,降低了系統(tǒng)的性能。因此,怎樣將情感分析與推薦相結合給用戶提供直觀,準確的電影觀看反饋,使推薦結果更符合用戶的觀影偏好成為系統(tǒng)實現(xiàn)中一個重要問題。本文提出的融合情感詞頻和主題維數(shù)拓展的方法可以對系統(tǒng)中的評論進行自動褒貶分類,使用戶直觀的了解其他用戶的觀影反饋,獲得真正好評電影分類,將其加入系統(tǒng)中并加入“好評率”公式中實現(xiàn)了熱門推薦模塊。本文的具體工作如下：1.本文在ASP.NET平臺運用C#語言實現(xiàn)了一個電影推薦推薦系統(tǒng),用戶功能包括熱門推薦,個性化推薦,高分推薦,評論的極性分類,站內交友等。2.本文提出一種融合情感詞頻和主題維數(shù)拓展的方法,利用主題維度拓展和情感詞頻進行特征提取,用LIBSVM進行分類,可以得到自動判別的評論的情感極性,使用戶通過評論極性分類可以更直觀地發(fā)現(xiàn)其他用戶對某部電影的反饋�；趯⑷诤锨楦性~頻和主題維數(shù)拓展的方法可以將評論情感信息引入到推薦系統(tǒng)的熱門推薦模型中,該方法在豆瓣網(wǎng)站真實數(shù)據(jù)進行實驗,也得到了很好的效果。3.系統(tǒng)在個性化推薦模塊中實現(xiàn)了基于內容的推薦算法,通過LDA算法對電影主題提取,聯(lián)合導演,主演的關鍵信息進行特征組合,進行余弦相似度計算,根據(jù)相似度結果進行推薦,有效的解決了協(xié)同過濾中用戶評分矩陣稀疏的問題。4.最終實現(xiàn)的電影推薦系統(tǒng)利用本文提出的融合情感詞頻和主題維數(shù)擴展的方法將系統(tǒng)的熱門推薦模塊模塊實現(xiàn)并與基于內容的個性化推薦、高分推薦等方法相結合。三者協(xié)同作用,有效解決了系統(tǒng)的冷啟動問題,使得系統(tǒng)對用戶具有普遍適應性。另外在系統(tǒng)中添加了管理模塊,讓管理員可以有效地對后臺電影數(shù)據(jù)進行管理,便于及時更新。
【關鍵詞】：情感分析 情感分類 推薦系統(tǒng) 主題模型
【學位授予單位】：安徽大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.3
【目錄】：

• 摘要3-5
• ABSTRACT5-9
• 第一章 引言9-17
• 1.1 研究背景與意義9-12
• 1.1.1 熱門推薦與個性化推薦9-10
• 1.1.2 情感分析10-12
• 1.2 國內外發(fā)展狀況12-15
• 1.2.1 情感分析發(fā)展現(xiàn)狀12-14
• 1.2.2 電影推薦系統(tǒng)發(fā)展現(xiàn)狀14-15
• 1.3 主要工作及論文組織結構15-17
• 第二章 系統(tǒng)相關工作17-26
• 2.1 系統(tǒng)相關技術17
• 2.2 情感分析的方法17-20
• 2.2.1 基于詞典的情感分析17-18
• 2.2.2 基于語義的情感分析18-19
• 2.2.3 基于機器學習的情感分析方法19-20
• 2.3 推薦系統(tǒng)相關算法20-25
• 2.3.1 基于協(xié)同過濾的推薦算法20-23
• 2.3.2 基于內容的推薦算法23-24
• 2.3.3 基于關聯(lián)規(guī)則的推薦算法24-25
• 2.4 本章小結25-26
• 第三章 一種融合情感詞頻和主題拓展的情感分析方法的設計與分析26-43
• 3.1 分類算法26-30
• 3.1.1 空間向量模型26-27
• 3.1.2 主題模型27-29
• 3.1.3 SVM算法29-30
• 3.2 算法介紹30-40
• 3.2.1 前期工作30-32
• 3.2.2 算法模型介紹32-35
• 3.2.3 數(shù)據(jù)集與實驗參考指標35-36
• 3.2.4 實驗驗證36-40
• 3.3 算法在系統(tǒng)中示例40-42
• 3.3.1 數(shù)據(jù)集40
• 3.3.2 實驗驗證與分析40-42
• 3.4 本章小結42-43
• 第四章 系統(tǒng)分析與實現(xiàn)43-58
• 4.1 系統(tǒng)架構設計43-44
• 4.2 系統(tǒng)功能設計44-45
• 4.3 系統(tǒng)核心模塊設計45-46
• 4.4 系統(tǒng)實現(xiàn)46-57
• 4.4.1 熱門評論46-47
• 4.4.2 熱門推薦47-50
• 4.4.3 基于內容的個性化推薦50-54
• 4.4.4 搜索模塊實現(xiàn)54-55
• 4.4.5 運營模塊實現(xiàn)55-57
• 4.5 本章小結57-58
• 第五章 總結展望58-60
• 5.1 總結58-59
• 5.2 研究展望59-60
• 參考文獻60-64
• 附錄A 圖索引64-65
• Appendix A Figure Index65-66
• 附錄B 表格索引66-67
• Appendix B Table Index67-68
• 致謝68-69
• 攻讀碩士學位期間主持或參與的科研項目69

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 米可菲;張勇;邢春曉;蔚欣;;面向大數(shù)據(jù)的開源推薦系統(tǒng)分析[J];計算機與數(shù)字工程;2013年10期

2 脫建勇;王嵩;李秀;劉文煌;;精品課共享中的推薦系統(tǒng)框架與實現(xiàn)[J];計算機工程與設計;2006年17期

3 蘇冠賢;張麗霞;林丕源;劉吉平;;生物信息學推薦系統(tǒng)的設計與實現(xiàn)[J];計算機應用研究;2007年05期

4 王改芬;;推薦系統(tǒng)研究綜述[J];軟件導刊;2007年23期

5 葉群來;;營銷與網(wǎng)絡推薦系統(tǒng)[J];電子商務;2007年10期

6 李媚;;個性化網(wǎng)絡學習資源推薦系統(tǒng)研究[J];福建電腦;2008年12期

7 潘冉;姜麗紅;;基于經(jīng)濟學模型的推薦系統(tǒng)的研究[J];計算機應用與軟件;2008年03期

8 劉魯;任曉麗;;推薦系統(tǒng)研究進展及展望[J];信息系統(tǒng)學報;2008年01期

9 劉小燕;陳艷麗;賈宗璞;沈記全;;基于增強學習的旅行計劃推薦系統(tǒng)[J];計算機工程;2010年21期

10 曹畋;;智能推薦系統(tǒng)在知識瀏覽領域的應用[J];硅谷;2011年21期

中國重要會議論文全文數(shù)據(jù)庫 前8條

1 張燕;李燕萍;;基于內容分析和點擊率記錄的混合音樂推薦系統(tǒng)[A];2009年通信理論與信號處理學術年會論文集[C];2009年

2 趙欣;寇綱;鄔文帥;盧艷群;;基于時間密集性的推薦系統(tǒng)攻擊檢測[A];第六屆（2011）中國管理學年會論文摘要集[C];2011年

3 張玉連;張波;張敏;;改進的個性化信息推薦系統(tǒng)的設計與實現(xiàn)[A];2005年全國理論計算機科學學術年會論文集[C];2005年

4 王君;許潔萍;;層次音樂推薦系統(tǒng)的研究[A];第18屆全國多媒體學術會議（NCMT2009）、第5屆全國人機交互學術會議（CHCI2009）、第5屆全國普適計算學術會議（PCC2009）論文集[C];2009年

5 潘宇;林鴻飛;楊志豪;;基于用戶聚類的電子商務推薦系統(tǒng)[A];第三屆學生計算語言學研討會論文集[C];2006年

6 尤忠彬;陳越;張英;朱揚勇;;基于Web服務的技術轉移平臺推薦系統(tǒng)研究[A];第二十二屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2005年

7 王國霞;劉賀平;李擎;;二部圖影射及其在推薦系統(tǒng)中的應用[A];第25屆中國控制與決策會議論文集[C];2013年

8 王雪;董愛華;吳怡之;;基于RFID技術的智能服裝推薦系統(tǒng)設計[A];2011年全國電子信息技術與應用學術會議論文集[C];2011年

中國重要報紙全文數(shù)據(jù)庫 前2條

1 ;大數(shù)據(jù)如何“落地”[N];中國新聞出版報;2014年

2 本報記者 鄒大斌;大數(shù)據(jù)：電商新武器[N];計算機世界;2012年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 周魏;推薦系統(tǒng)中基于目標項目分析的托攻擊檢測研究[D];重慶大學;2015年

2 王宏宇;商務推薦系統(tǒng)的設計研究[D];中國科學技術大學;2007年

3 楊東輝;基于情感相似度的社會化推薦系統(tǒng)研究[D];哈爾濱工業(yè)大學;2014年

4 曹渝昆;基于神經(jīng)網(wǎng)絡和模糊邏輯的智能推薦系統(tǒng)研究[D];重慶大學;2006年

5 王立才;上下文感知推薦系統(tǒng)若干關鍵技術研究[D];北京郵電大學;2012年

6 劉龍;一個能實現(xiàn)個性化實時路徑推薦服務的推薦系統(tǒng)框架[D];中國科學技術大學;2014年

7 李濤;推薦系統(tǒng)中若干關鍵問題研究[D];南京航空航天大學;2009年

8 劉士琛;面向推薦系統(tǒng)的關鍵問題研究及應用[D];中國科學技術大學;2014年

9 李方方;非獨立同分布推薦系統(tǒng)研究[D];北京理工大學;2014年

10 李曉建;基于語義的個性化資源推薦系統(tǒng)中關鍵技術研究[D];武漢大學;2010年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 朱孔真;基于云計算的電子商務智能推薦系統(tǒng)研究[D];武漢理工大學;2014年

2 郭敬澤;基于賦權評分和Dpark的分布式推薦系統(tǒng)研究與實現(xiàn)[D];天津理工大學;2015年

3 周俊宇;信息推薦系統(tǒng)的研究與設計[D];江南大學;2015年

4 李煒;基于電子商務平臺的保險推薦系統(tǒng)的設計與實現(xiàn)[D];復旦大學;2013年

5 車豐;基于排序主題模型的論文推薦系統(tǒng)[D];大連海事大學;2015年

6 秦大路;基于因式分解機模型的上下文感知推薦系統(tǒng)研究[D];鄭州大學;2015年

7 徐霞婷;動態(tài)路網(wǎng)監(jiān)控與導航推薦系統(tǒng)的設計與實現(xiàn)[D];蘇州大學;2015年

8 黃學峰;基于Hadoop的電影推薦系統(tǒng)研究與實現(xiàn)[D];南京師范大學;2015年

9 路小瑞;基于Hadoop平臺的職位推薦系統(tǒng)的設計與實現(xiàn)[D];上海交通大學;2015年

10 李愛寶;基于組合消費行為分析的團購推薦系統(tǒng)的設計與實現(xiàn)[D];哈爾濱工業(yè)大學;2015年

  本文關鍵詞：基于情感分析的評論極性分類和電影推薦系統(tǒng)的設計與實現(xiàn)，由筆耕文化傳播整理發(fā)布。

，

本文編號：400291