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).pdf

1、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

2、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(nèi)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

3、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

4、.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(nèi)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

5、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(nèi)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(nèi)容的個性化推薦、高分推薦等方法相結合。三者協(xié)同