【摘要】：傳統(tǒng)的推薦算法大都從評論中挖掘用戶興趣或產(chǎn)品特征,然而由于評論形式自由,規(guī)則性差,導(dǎo)致從評論中獲取有效信息較困難,推薦結(jié)果不理想。在電子商務(wù)等領(lǐng)域,評論標(biāo)簽作為一種新的評論方式已經(jīng)被廣泛使用。與評論相比,評論標(biāo)簽具有規(guī)則性強(qiáng),信息密度大等特點,因此提出了一種融合評論標(biāo)簽的推薦算法。該算法從評論標(biāo)簽中挖掘用戶對產(chǎn)品特征的觀點,并利用其構(gòu)建用戶興趣模型和產(chǎn)品特征模型,然后向用戶推薦在他們感興趣的特征上有較高評價的產(chǎn)品。與傳統(tǒng)推薦算法進(jìn)行對比,實驗結(jié)果表明,融合評論標(biāo)簽的算法能有效地提高用戶的覆蓋率,并提升推薦算法的準(zhǔn)確性。
[Abstract]:Most of the traditional recommendation algorithms mine user interest or product features from comments. However, due to the freedom of comment form and poor rules, it is difficult to obtain effective information from comments, and the recommended results are not ideal. Comment labels have been widely used as a new way to comment in e-commerce. Compared with comments, comment tags have the characteristics of strong regularity and high information density. Therefore, a recommendation algorithm is proposed to fuse comment tags. In this algorithm, users' views on product features are mined from comment labels, and then user interest models and product feature models are constructed, and then products with high evaluation on features of interest to users are recommended to users. Compared with the traditional recommendation algorithm, the experimental results show that the algorithm can effectively improve the user coverage and improve the accuracy of the recommendation algorithm.
【作者單位】： 福州大學(xué)數(shù)學(xué)與計算機(jī)科學(xué)學(xué)院;
【基金】：國家自然科學(xué)基金,No.61300105 教育部博士點基金聯(lián)合資助項目,No.2012351410010 福建省科技重大專項,No.2013H6012 福州市科技計劃項目,Nos.2012-G-113,2013-PT-45~~
【分類號】：TP391.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 余小鵬;;一種基于多層關(guān)聯(lián)規(guī)則的推薦算法研究[J];計算機(jī)應(yīng)用;2007年06期

2 張立燕;;一種基于用戶事務(wù)模式的推薦算法[J];福建電腦;2009年03期

3 王晗;夏自謙;;基于蟻群算法和瀏覽路徑的推薦算法研究[J];中國科技信息;2009年07期

4 周珊丹;周興社;王海鵬;倪紅波;張桂英;苗強(qiáng);;智能博物館環(huán)境下的個性化推薦算法[J];計算機(jī)工程與應(yīng)用;2010年19期

5 王文;;個性化推薦算法研究[J];電腦知識與技術(shù);2010年16期

6 張愷;秦亮曦;寧朝波;李文閣;;改進(jìn)評價估計的混合推薦算法研究[J];微計算機(jī)信息;2010年36期

7 夏秀峰;代沁;叢麗暉;;用戶顯意識下的多重態(tài)度個性化推薦算法[J];計算機(jī)工程與應(yīng)用;2011年16期

8 楊博;趙鵬飛;;推薦算法綜述[J];山西大學(xué)學(xué)報(自然科學(xué)版);2011年03期

9 尹長青;楊單稷;;基于視頻的智能推薦算法[J];科技傳播;2011年22期

10 吳泓辰;王新軍;成勇;彭朝暉;;基于協(xié)同過濾與劃分聚類的改進(jìn)推薦算法[J];計算機(jī)研究與發(fā)展;2011年S3期

相關(guān)會議論文 前7條

1 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個性化推薦算法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2007年

2 唐燦;;基于模糊用戶心理模式的個性化推薦算法[A];2008年計算機(jī)應(yīng)用技術(shù)交流會論文集[C];2008年

3 秦國;杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2004年

4 梁莘q，

本文編號：2330803