本文關(guān)鍵詞：基于在線評(píng)論的產(chǎn)品模糊推薦系統(tǒng)研究

  更多相關(guān)文章： 在線評(píng)論 模糊推薦 屬性挖掘 評(píng)論分類

【摘要】：隨著Web2.0的快速發(fā)展,在線購物技術(shù)趨于成熟,在線購物以其方便快捷受到了大量消費(fèi)者的青睞。消費(fèi)者在網(wǎng)頁中留下了大量的產(chǎn)品評(píng)論信息,而這些評(píng)論中包含了大量有用的意見和情感信息,對(duì)這些意見和情感信息作深入的分析和挖掘,將有助于消費(fèi)者作出正確的購物決策。本文利用自然語言處理技術(shù)和模糊計(jì)算所構(gòu)建起的基于消費(fèi)者在線評(píng)論的產(chǎn)品模糊推薦系統(tǒng)將解決這一問題。 情感語言計(jì)算和分析是目前的較為熱門的研究領(lǐng)域,但對(duì)于情感詞的模糊計(jì)算和應(yīng)用目前研究還比較少。本文在利用模糊情感計(jì)算理論的基礎(chǔ)上,構(gòu)建了兩個(gè)應(yīng)用模塊：根據(jù)在線評(píng)論的商品排序模塊和交互式模糊推薦和搜索模塊。 目前常見的購物搜索引擎,其對(duì)產(chǎn)品的排序方式一般以產(chǎn)品銷量或以價(jià)格為依據(jù)。商品排序模塊則有效的利用了評(píng)論文本中的評(píng)價(jià)信息,依據(jù)這些評(píng)價(jià)信息作出推薦。模塊在挖掘產(chǎn)品屬性的基礎(chǔ)上利用模板對(duì)情感詞進(jìn)行提取。由于情感詞匯有其模糊屬性,結(jié)合預(yù)先建立好的情感詞匯庫和模糊規(guī)則推理庫,本模塊對(duì)情感詞匯進(jìn)行模糊化計(jì)算和模糊推理,并依據(jù)計(jì)算結(jié)果對(duì)產(chǎn)品進(jìn)行了推薦排序。這種推薦排序方式表達(dá)了消費(fèi)者的個(gè)性化需求,有效擴(kuò)展了傳統(tǒng)產(chǎn)品的推薦方式。 本系統(tǒng)的交互式模糊推薦模塊是能夠理解用戶情感的模糊推薦引擎。該引擎將用戶的模糊需求進(jìn)行分析后,以模糊函數(shù)的形式表示在計(jì)算機(jī)中,經(jīng)過模糊接近度計(jì)算和模糊規(guī)則推理后,系統(tǒng)將列出最符合用戶需求的幾款產(chǎn)品,以供用戶挑選,實(shí)驗(yàn)結(jié)果表明,本系統(tǒng)有較好的推薦效果。
【關(guān)鍵詞】：在線評(píng)論 模糊推薦 屬性挖掘 評(píng)論分類
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類號(hào)】：TP391.3;F49
【目錄】：

• 摘要4-5
• Abstract5-8
• 1 緒論8-14
• 1.1 研究背景及意義8-9
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀9-11
• 1.2.1 從口碑營(yíng)銷角度進(jìn)行的研究9
• 1.2.2 從信息學(xué)角度進(jìn)行的研究9-11
• 1.3 本文的主要工作和組織結(jié)構(gòu)11-14
• 1.3.1 本文的主要工作11-13
• 1.3.2 本文的組織結(jié)構(gòu)13-14
• 2 模糊技術(shù)及分詞模塊14-23
• 2.1 模糊技術(shù)及相關(guān)概念14-18
• 2.1.1 產(chǎn)品評(píng)價(jià)詞的模糊化14-16
• 2.1.2 模糊規(guī)則推理系統(tǒng)16-18
• 2.2 分詞模塊18-23
• 2.2.1 系統(tǒng)分詞模塊算法18-21
• 2.2.2 分詞效果21-22
• 2.2.3 本章小結(jié)22-23
• 3 商品屬性的挖掘及商品排序23-37
• 3.1 商品屬性挖掘23-26
• 3.1.1 商品屬性含義23
• 3.1.2 模塊流程23-24
• 3.1.3 一個(gè)例子24-26
• 3.2 情感評(píng)價(jià)詞提取和模糊計(jì)算26-33
• 3.2.1 情感評(píng)價(jià)詞提取26-27
• 3.2.2 模糊推理計(jì)算27-30
• 3.2.3 未登錄詞傾向性判斷30-33
• 3.3 商品排序33-36
• 3.3.1 計(jì)算步驟33
• 3.3.2 實(shí)驗(yàn)33-36
• 3.4 本章總結(jié)36-37
• 4 商品個(gè)性化推薦中的評(píng)論傾向性分類37-44
• 4.1 利用最大熵模型對(duì)在線評(píng)論傾向性分類37-40
• 4.1.1 商品個(gè)性化推薦中評(píng)論傾向性分類的意義37
• 4.1.2 商品評(píng)論分類中的最大熵模型37
• 4.1.3 使用最大熵模型的一個(gè)例子37-38
• 4.1.4 最大熵模型在評(píng)論文本傾向性分類中的構(gòu)建38-40
• 4.2 評(píng)論分類器分類效果實(shí)驗(yàn)40-43
• 4.3 本章總結(jié)43-44
• 5 用戶交互式模糊推薦模塊44-52
• 5.1 交互式推薦的意義44
• 5.2 模塊的架構(gòu)44-45
• 5.3 產(chǎn)品屬性挖掘和情感計(jì)算45-46
• 5.3.1 “顯式屬性”和“隱式屬性”的挖掘45
• 5.3.2 “隱式屬性”情感計(jì)算45-46
• 5.4 交互式產(chǎn)品模糊推薦系統(tǒng)的實(shí)現(xiàn)46-48
• 5.4.1 多特征產(chǎn)品匹配度的計(jì)算46-47
• 5.4.2 模糊規(guī)則的構(gòu)建與產(chǎn)品推薦47-48
• 5.5 實(shí)證計(jì)算與分析48-50
• 5.6 本章總結(jié)50-52
• 6 結(jié)論52-53
• 參考文獻(xiàn)53-58
• 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況58-59
• 致謝59-60

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前6條

1 李實(shí);葉強(qiáng);李一軍;Rob Law;;中文網(wǎng)絡(luò)客戶評(píng)論的產(chǎn)品特征挖掘方法研究[J];管理科學(xué)學(xué)報(bào);2009年02期

2 張華平,劉群;基于N-最短路徑方法的中文詞語粗分模型[J];中文信息學(xué)報(bào);2002年05期

3 姚天f ;婁德成;;漢語語句主題語義傾向分析方法的研究[J];中文信息學(xué)報(bào);2007年05期

4 徐琳宏;林鴻飛;趙晶;;情感語料庫的構(gòu)建和分析[J];中文信息學(xué)報(bào);2008年01期

5 趙妍妍;秦兵;車萬翔;劉挺;;基于句法路徑的情感評(píng)價(jià)單元識(shí)別[J];軟件學(xué)報(bào);2011年05期

6 黃昌寧;中文信息處理中的分詞問題[J];語言文字應(yīng)用;1997年01期

，

本文編號(hào)：949120