【摘要】：協(xié)同過濾推薦算法通�；谖锲坊蛴脩舻南嗨贫葋韺崿F(xiàn)個性化推薦,但是數(shù)據(jù)的稀疏性往往導致推薦精度不理想。大多數(shù)傳統(tǒng)推薦算法僅考慮用戶對物品的總體評分,而忽略了評論文本中用戶對物品各個屬性面的偏好。該文提出一種基于情感分析的推薦算法SACF(reviews sentiment analysis for collaborative filtering),該算法在經(jīng)典的協(xié)同過濾推薦算法的基礎上,考慮評論文本對相似度計算的影響。SACF算法利用LDA主題模型挖掘物品潛在的K個屬性面,通過用戶在各個屬性面上的情感偏好計算用戶相似度,從而構建推薦模型�；诰〇|網(wǎng)上評論數(shù)據(jù)集的實驗結果表明,SACF算法不但可以有效地改善傳統(tǒng)協(xié)同過濾推薦算法中數(shù)據(jù)稀疏性的問題,而且提高了推薦系統(tǒng)的精度。
[Abstract]:Collaborative filtering recommendation algorithms usually implement personalized recommendation based on the similarity of items or users, but the sparsity of data often leads to unsatisfactory recommendation accuracy. Most of the traditional recommendation algorithms only consider the user's overall rating of the item, but ignore the user's preference for each attribute surface of the item in the comment text. This paper presents an affective analysis-based recommendation algorithm (SACF (reviews sentiment analysis for collaborative filtering), which is based on the classical collaborative filtering recommendation algorithm. Considering the influence of comment text on similarity calculation. SACF algorithm uses LDA topic model to mine the potential K attribute surfaces of items and calculates user similarity through user's emotional preference on each attribute surface and then constructs a recommendation model. The experimental results based on the review data set on JingDong network show that the proposed algorithm can not only effectively improve the data sparsity in the traditional collaborative filtering recommendation algorithm, but also improve the accuracy of the recommendation system.
【作者單位】： 武漢大學計算機學院;
【基金】：國家自然科學基金(61472291,61303115)
【分類號】：TP391.3

【相似文獻】

相關期刊論文 前10條

1 余小鵬;;一種基于多層關聯(lián)規(guī)則的推薦算法研究[J];計算機應用;2007年06期

2 張立燕;;一種基于用戶事務模式的推薦算法[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;;智能博物館環(huán)境下的個性化推薦算法[J];計算機工程與應用;2010年19期

5 王文;;個性化推薦算法研究[J];電腦知識與技術;2010年16期

6 張愷;秦亮曦;寧朝波;李文閣;;改進評價估計的混合推薦算法研究[J];微計算機信息;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];計算機工程與應用;2011年16期

8 楊博;趙鵬飛;;推薦算法綜述[J];山西大學學報(自然科學版);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推薦算法[J];計算機研究與發(fā)展;2011年S3期

相關會議論文 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)庫學術會議論文集（技術報告篇）[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年計算機應用技術交流會論文集[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)庫學術會議論文集（技術報告篇）[C];2004年

4 梁莘q，

本文編號：2158481