基于文本分析的推薦系統(tǒng)研究與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)信息技術(shù)的高速發(fā)展和網(wǎng)絡(luò)的普及，越來越多的消費(fèi)者選擇網(wǎng)上購物并參與在線評論。然而面對電子商務(wù)平臺上如此繁多的同類產(chǎn)品，消費(fèi)者不得不花費(fèi)大量時(shí)間在對比多個(gè)產(chǎn)品的評論上，以進(jìn)行購買決策，難以在短時(shí)間內(nèi)找到符合屬性要求的產(chǎn)品。通過對評論文本的分析結(jié)果顯示，從產(chǎn)品評論中提取的屬性更能真實(shí)的反映消費(fèi)者實(shí)際所關(guān)注的對象。因此，為了給消費(fèi)者提供高效快捷的購物體驗(yàn)，本文中基于對產(chǎn)品評論文本的分析設(shè)計(jì)實(shí)現(xiàn)了一套包括抽取產(chǎn)品屬性詞、對產(chǎn)品評論按照

2、效用性價(jià)值高低排序及情感傾向分析和推薦值計(jì)算的推薦系統(tǒng)。主要包括以下幾方面的研究工作：
　　1、屬性詞抽取方面，由于通過詞性序列模板構(gòu)建的屬性詞候選集合中包含大量含義相近的詞，提出了一種基于余弦相似度的近鄰傳播聚類算法（APC-CS），將相似的詞采用相同詞表示，提高消費(fèi)者的購物體驗(yàn)。
　　2、產(chǎn)品評論效用性評價(jià)方面，本文中通過對影響產(chǎn)品評論效用性的因素進(jìn)行分析，提出了影響產(chǎn)品評論效用性的結(jié)構(gòu)特征，并結(jié)合傳統(tǒng)的文本特征自動(dòng)抽取

3、方法-信息增益法（IG）提取的效用性信息特征，提出了一種基于組合特征（CF）的產(chǎn)品評論效用性評價(jià)模型。
　　3、情感傾向分析和推薦值計(jì)算方面：本文中對于產(chǎn)品評論的情感傾向分析采用長短時(shí)記憶模型（LSTM）進(jìn)行評價(jià)，并結(jié)合情感傾向值和產(chǎn)品評論效用性評價(jià)值構(gòu)建了多屬性推薦值計(jì)算模型。
　　基于以上方法對產(chǎn)品評論文本進(jìn)行分析，實(shí)現(xiàn)了一個(gè)基于文本分析的產(chǎn)品推薦系統(tǒng)。通過該系統(tǒng)，對于相同類型的產(chǎn)品，消費(fèi)者在屬性欄選擇自己最關(guān)注的產(chǎn)品屬