本文關(guān)鍵詞： 推薦系統(tǒng) 用戶評論 情感分析 文本挖掘　出處：《蘇州大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著互聯(lián)網(wǎng)和計算機技術(shù)的不斷進步,信息的數(shù)量不斷爆炸式增長,導(dǎo)致了普遍的“信息過載”問題。在信息大爆炸的今天,人們迫切需要解決的問題就是如何高效處理并使用這些信息。除了搜索引擎之外,另外一種可以幫助人們快速發(fā)現(xiàn)自己所需信息的強大工具就是推薦系統(tǒng)。推薦系統(tǒng)可以根據(jù)用戶的歷史行為、用戶生成內(nèi)容、商品的描述信息等客觀數(shù)據(jù)來建模,從而推測用戶的偏好,進而為用戶推薦有價值的信息或者商品。近年來,越來越多的研究者注意到使用用戶生成內(nèi)容(如用戶評論,地理位置,好友關(guān)系等)來設(shè)計推薦算法可以提高推薦性能。本文從不同角度研究分析了用戶評論,提高推薦準確度,改善推薦質(zhì)量。本文的主要工作如下:(1)對推薦系統(tǒng)相關(guān)的技術(shù)背景做了調(diào)研,系統(tǒng)地介紹了推薦系統(tǒng)的原理,并比較了一些常用推薦算法的優(yōu)勢和劣勢。(2)相對評分來說,用戶對物品的評論從用戶和物品的各個角度具體表達了用戶的觀點。利用這些信息更有助于挖掘用戶的喜好,本文提出了一種基于詞向量的方法挖掘用戶評論信息,并結(jié)合協(xié)同過濾方法設(shè)計新的推薦算法,來改善評分預(yù)測的效果。(3)針對現(xiàn)有基于評論的推薦算法沒有充分考慮個性化的問題,本文通過對評論進行主題分析,挖掘用戶喜好,分別建立基于用戶和物品的個性化評分預(yù)測模型以提高推薦系統(tǒng)的評分預(yù)測性能。(4)主要介紹了基于知識庫的評論短語抽取和分層式展示方法。高效、準確、用戶友好的評論標簽展示不僅可以改善用戶查閱用戶評論的體驗,也可以用于構(gòu)建更加細致用戶畫像和物品特征,實現(xiàn)更精確的推薦系統(tǒng)。
[Abstract]:With the continuous progress of the Internet and computer technology, the quantity of information is increasing explosively, which leads to the widespread problem of "information overload". The problem that people urgently need to solve is how to process and use this information efficiently, except for search engines. Another powerful tool that can help people quickly find the information they need is the recommendation system, which can generate content according to the user's historical behavior. Product description information and other objective data to model, so as to speculate the preferences of users, and then recommend valuable information or commodities for users in recent years. More and more researchers have noticed that using user-generated content (such as user comments, geographical location, friend relationships, etc.) to design recommendation algorithms can improve the performance of recommendations. The main work of this paper is as follows: 1) the technical background of recommendation system is investigated and the principle of recommendation system is introduced systematically. The advantages and disadvantages of some commonly used recommendation algorithms are compared. The user's comments on objects express the user's point of view from all aspects of the user and the object. The use of this information can help to mine the user's preferences. In this paper, a word vector based method is proposed to mine user comment information, and a new recommendation algorithm is designed based on collaborative filtering method. To improve the effect of rating prediction. (3) in view of the existing recommendation algorithm based on comments has not fully considered the problem of individuation, this paper analyzes the topic of comments, mining user preferences. In order to improve the performance of rating prediction of recommendation system, this paper mainly introduces the methods of comment phrase extraction and hierarchical presentation based on knowledge base. Accurate, user-friendly comment label display can not only improve the user's experience of checking user comments, but also can be used to build more detailed user portrait and object features, and to achieve more accurate recommendation system.
【學(xué)位授予單位】：蘇州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.3

【相似文獻】

相關(guān)期刊論文 前10條

1 米可菲;張勇;邢春曉;蔚欣;;面向大數(shù)據(jù)的開源推薦系統(tǒng)分析[J];計算機與數(shù)字工程;2013年10期

2 脫建勇;王嵩;李秀;劉文煌;;精品課共享中的推薦系統(tǒng)框架與實現(xiàn)[J];計算機工程與設(shè)計;2006年17期

3 蘇冠賢;張麗霞;林丕源;劉吉平;;生物信息學(xué)推薦系統(tǒng)的設(shè)計與實現(xiàn)[J];計算機應(yīng)用研究;2007年05期

4 王改芬;;推薦系統(tǒng)研究綜述[J];軟件導(dǎo)刊;2007年23期

5 葉群來;;營銷與網(wǎng)絡(luò)推薦系統(tǒng)[J];電子商務(wù);2007年10期

6 李媚;;個性化網(wǎng)絡(luò)學(xué)習(xí)資源推薦系統(tǒng)研究[J];福建電腦;2008年12期

7 潘冉;姜麗紅;;基于經(jīng)濟學(xué)模型的推薦系統(tǒng)的研究[J];計算機應(yīng)用與軟件;2008年03期

8 劉魯;任曉麗;;推薦系統(tǒng)研究進展及展望[J];信息系統(tǒng)學(xué)報;2008年01期

9 劉小燕;陳艷麗;賈宗璞;沈記全;;基于增強學(xué)習(xí)的旅行計劃推薦系統(tǒng)[J];計算機工程;2010年21期

10 曹畋;;智能推薦系統(tǒng)在知識瀏覽領(lǐng)域的應(yīng)用[J];硅谷;2011年21期

相關(guān)會議論文 前8條

1 張燕;李燕萍;;基于內(nèi)容分析和點擊率記錄的混合音樂推薦系統(tǒng)[A];2009年通信理論與信號處理學(xué)術(shù)年會論文集[C];2009年

2 趙欣;寇綱;鄔文帥;盧艷群;;基于時間密集性的推薦系統(tǒng)攻擊檢測[A];第六屆（2011）中國管理學(xué)年會論文摘要集[C];2011年

3 張玉連;張波;張敏;;改進的個性化信息推薦系統(tǒng)的設(shè)計與實現(xiàn)[A];2005年全國理論計算機科學(xué)學(xué)術(shù)年會論文集[C];2005年

4 王君;許潔萍;;層次音樂推薦系統(tǒng)的研究[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

5 潘宇;林鴻飛;楊志豪;;基于用戶聚類的電子商務(wù)推薦系統(tǒng)[A];第三屆學(xué)生計算語言學(xué)研討會論文集[C];2006年

6 尤忠彬;陳越;張英;朱揚勇;;基于Web服務(wù)的技術(shù)轉(zhuǎn)移平臺推薦系統(tǒng)研究[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2005年

7 王國霞;劉賀平;李擎;;二部圖影射及其在推薦系統(tǒng)中的應(yīng)用[A];第25屆中國控制與決策會議論文集[C];2013年

8 王雪;董愛華;吳怡之;;基于RFID技術(shù)的智能服裝推薦系統(tǒng)設(shè)計[A];2011年全國電子信息技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2011年

相關(guān)重要報紙文章 前2條

1 ;大數(shù)據(jù)如何“落地”[N];中國新聞出版報;2014年

2 本報記者 鄒大斌;大數(shù)據(jù)：電商新武器[N];計算機世界;2012年

相關(guān)博士學(xué)位論文 前10條

1 周魏;推薦系統(tǒng)中基于目標項目分析的托攻擊檢測研究[D];重慶大學(xué);2015年

2 田剛;融合維基知識的情境感知Web服務(wù)發(fā)現(xiàn)方法研究[D];武漢大學(xué);2015年

3 胡亮;集成多元信息的推薦系統(tǒng)建模方法的研究[D];上海交通大學(xué);2015年

4 王宏宇;商務(wù)推薦系統(tǒng)的設(shè)計研究[D];中國科學(xué)技術(shù)大學(xué);2007年

5 楊東輝;基于情感相似度的社會化推薦系統(tǒng)研究[D];哈爾濱工業(yè)大學(xué);2014年

6 曹渝昆;基于神經(jīng)網(wǎng)絡(luò)和模糊邏輯的智能推薦系統(tǒng)研究[D];重慶大學(xué);2006年

7 王立才;上下文感知推薦系統(tǒng)若干關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2012年

8 劉龍;一個能實現(xiàn)個性化實時路徑推薦服務(wù)的推薦系統(tǒng)框架[D];中國科學(xué)技術(shù)大學(xué);2014年

9 李濤;推薦系統(tǒng)中若干關(guān)鍵問題研究[D];南京航空航天大學(xué);2009年

10 劉士琛;面向推薦系統(tǒng)的關(guān)鍵問題研究及應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 李煒;基于電子商務(wù)平臺的保險推薦系統(tǒng)的設(shè)計與實現(xiàn)[D];復(fù)旦大學(xué);2013年

2 丁志東;長尾信息的個性化推薦中的特征選擇優(yōu)化算法[D];北京交通大學(xué);2016年

3 劉琰;基于社交電商的UGC智能推薦系統(tǒng)設(shè)計與實現(xiàn)[D];大連海事大學(xué);2015年

4 藺川;基于LBS移動終端信息推薦系統(tǒng)的研究與實現(xiàn)[D];北京交通大學(xué);2016年

5 盛實旺;個性化的智能飲食推薦系統(tǒng)開發(fā)[D];浙江理工大學(xué);2016年

6 丁陽;基于web用戶體驗的推薦系統(tǒng)設(shè)計與實現(xiàn)[D];北京郵電大學(xué);2013年

7 李清明;基于情境感知的就醫(yī)信息推薦系統(tǒng)的設(shè)計與實現(xiàn)[D];太原理工大學(xué);2016年

8 王化明;電子商務(wù)推薦系統(tǒng)研究[D];杭州師范大學(xué);2016年

9 劉濤;一個面向論壇用戶的個性化閱讀推薦系統(tǒng)研究與實現(xiàn)[D];南京大學(xué);2013年

10 劉順文;基于Hadoop平臺的大學(xué)生個性化就業(yè)推薦系統(tǒng)的構(gòu)建與研究[D];東華理工大學(xué);2016年

，

本文編號：1479678