基于評論分析的協(xié)同過濾推薦算法研究.pdf

1、個性化推薦系統(tǒng)可以幫助用戶在海量的項目集合中找到他們喜愛的項目，其被廣泛地應用于電子商務網站、在線內容提供平臺以及社交網絡平臺中，并成為這些網站提升服務質量的重要技術之一。其中，協(xié)同過濾方法是最成功的推薦方法之一。利用集體智慧的思想，協(xié)同過濾可以產生精確的個性化推薦。然而，傳統(tǒng)的協(xié)同過濾推薦系統(tǒng)面臨著數據稀疏和冷啟動問題，即，當用戶、產品的交互信息非常稀疏時，協(xié)同過濾算法常常會失效。
　　近年來，隨著在線用戶反饋信息的爆炸性增長，

2、伴隨著評論的評分反饋也越來越豐富。這些評論包含著用戶和項目豐富的信息。本文通過對評論文本的分析，提出了兩個改進的評分預測方法，在數據稀疏和冷啟動的情況下，顯著提高了評分預測的精度。
　　第一，本文提出了一個基于文檔向量和回歸模型的評分預測框架，它利用文檔向量表示模型將非結構化的評論文本用相同維度的向量表示，進而構造出刻畫用戶和產品的特征向量，并使用這些向量和用戶與產品的偏置一同構造用戶-產品對特征實例集，最終融合多個回歸模型進行評

3、分預測?？蚣苁褂梦臋n向量模型，為用戶-產品對構造了較為精確的特征空間，并利用高效的回歸模型，使得其數據稀疏時的評分預測精度顯著地優(yōu)于傳統(tǒng)的協(xié)同過濾方法。
　　第二，本文提出了一個基于方面情感統(tǒng)一模型（ASUM）的潛在因子作為主題（HFT）的擴展模型：評分即情感（RAS）模型。由于文本評論中不僅包含了用戶對產品的不同方面的關注情況，還包含了對特定產品具體方面的情感，這些情感在很大程度上影響了用戶的評分。因此，RAS將用戶在評論中表達