現(xiàn)有的推薦算法存在著冷啟動性、稀疏性及可擴(kuò)展性等問題。本文針對這些問題引入用戶評分偏好信息提出了基于Jaccard相似度與矩陣分解的混合推薦算法,且為提升英文文本的情感分析算法的準(zhǔn)確率提出了基于句向量與LSTM的英文文本情感分析算法,最后考慮用戶評論中含有的情感傾向信息研究提出了基于用戶評論情感與矩陣分解推薦算法。本文主要研究工作和成果如下:1.為引入相似用戶的評分偏好信息,研究提出基于Jaccard相似度與矩陣分解的混合推薦算法HRA-JSMD①。算法根據(jù)Jaccard相似度挖掘評分相似性的用戶集群,且采用矩陣分解方法對相似用戶的局部評分項(xiàng)進(jìn)行預(yù)測,最后對填充后的評分矩陣進(jìn)行矩陣分解,通過算法實(shí)例分析HRA-JSMD算法的可行性。實(shí)驗(yàn)結(jié)果表明HRA-JSMD算法能得到更優(yōu)的推薦質(zhì)量及更低的計(jì)算時(shí)間。2.為提升文本情感分析算法對于英文文本的預(yù)測準(zhǔn)確度,研究提出基于句向量與LSTM的英文文本情感分析算法SA-SVL②。算法在文本預(yù)處理之后為單詞分配數(shù)值以構(gòu)建句向量且運(yùn)用TF-IDF提取其情感特征,最后采用基于LSTM的循環(huán)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。通過算法實(shí)例分析SA-SVL算法的可行性且實(shí)驗(yàn)結(jié)... 

【文章來源】：南昌大學(xué)江西省 211工程院校

【文章頁數(shù)】：91 頁

【學(xué)位級別】：碩士

【部分圖文】：

循環(huán)神經(jīng)網(wǎng)絡(luò)示意圖

．％／ｔ＇??Ｆｉｇｕｒｅ?３．１?Ｔｈｅ?ｄｉａｇｒａｍ?ｏｆ?ｒａｔｉｎｇｓ?ｐｒｅｄｉｃｔｉｏｎ?ｍｏｄｅｌ?ｂａｓｅ?ｏｎ?Ｍａｔｒｉｘ?Ｆｉｌｌ??該算法根據(jù)用戶－項(xiàng)目評分矩陣（ｍｘ？）通過算法３．１得到的用戶的Ｋ個(gè)相??似鄰居集合，隨后根據(jù)Ｋ個(gè)相似鄰居與同標(biāo)用戶／的評分矩陣尋找到它們已經(jīng)評??分的列號。并將尋找到的評分列構(gòu)成新的獨(dú)立矩陣，采用矩陣分解技術(shù)對獨(dú)立??矩陣進(jìn)行預(yù)測評分。最終將未評分項(xiàng)的預(yù)測值填充至原始評分矩陣中以降低用??戶－項(xiàng)ｇ評分的稀疏度。??如圖３．１所示假定算法３．１從用戶－項(xiàng)目評分矩陣（ａ）中選取目標(biāo)用戶ｔａｒｇｅｔ－ｉｄ??

．Ｆｉｇｕｒｅ．３．２?Ｔｈｅ?ｒｅｓｕｌｔ?ｏｆ?ｏｆ?ｔｈｒｅｅ?ｓｉｍｉｌａｒｉｔｙ?ｏｎ?Ｍｏｖｉｅｌｅｎｓ?ｄａｔａｓｅｔ：（ａ）ＭＡＥ?；（ｂ）ＲＭＳＥ??由圖３．２（ａ）及表３．７中可知，當(dāng)鄰居數(shù)量為５吋，基于余弦相似度的算法??相比其他算法得到的平均ＭＡＥ值較高，說明該算法得到的推薦質(zhì)量最差，而基??于皮爾森算法較于Ｊａｃｃａｒｄ算法得到的平均ＭＡＥ值略低。當(dāng)鄰居數(shù)量ｄ?＾?１０??時(shí)，三種相似度的推薦算法得到推薦準(zhǔn)確度都有著明顯提高。當(dāng)鄰居數(shù)量??

【參考文獻(xiàn)】：
期刊論文
[1]基于SVD++與標(biāo)簽的跨域推薦模型[J]. 邢長征,楊曉婷.  計(jì)算機(jī)工程. 2018(04)
[2]基于聯(lián)合概率矩陣分解的個(gè)性化試題推薦方法[J]. 李全,劉興紅,許新華,林松.  計(jì)算機(jī)應(yīng)用. 2018(03)
[3]基于混合卡方統(tǒng)計(jì)量與邏輯回歸的文本情感分析[J]. 李平,戴月明,王艷.  計(jì)算機(jī)工程. 2017(12)
[4]基于神經(jīng)網(wǎng)絡(luò)的文本表示模型新方法[J]. 曾誰飛,張笑燕,杜曉峰,陸天波.  通信學(xué)報(bào). 2017(04)
[5]基于項(xiàng)目屬性偏好的協(xié)同過濾算法[J]. 朱明,魏慧琴.  計(jì)算機(jī)與現(xiàn)代化. 2017(04)
[6]改進(jìn)的協(xié)同過濾推薦算法[J]. 張亮,趙娜.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2016(07)
[7]融合用戶信任模型的協(xié)同過濾推薦算法[J]. 楊秀梅,孫詠,王丹妮,李巖.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2016(07)
[8]基于耦合相似度的矩陣分解推薦方法[J]. 郭夢嬌,孫勁光,孟祥福.  計(jì)算機(jī)科學(xué). 2016(04)
[9]基于主題模型的矩陣分解推薦算法[J]. 林曉勇,代苓苓,史晟輝,李芳.  計(jì)算機(jī)應(yīng)用. 2015(S2)
[10]基于用戶偏好的矩陣分解推薦算法[J]. 劉慧婷,陳艷,肖慧慧.  計(jì)算機(jī)應(yīng)用. 2015(S2)

博士論文
[1]協(xié)同過濾系統(tǒng)的稀疏性與冷啟動問題研究[D]. 孫小華.浙江大學(xué) 2005

碩士論文
[1]推薦系統(tǒng)中基于內(nèi)存的協(xié)同過濾算法研究[D]. 王賈予灃.西安電子科技大學(xué) 2015
[2]基于詞典的中文微博情緒分析[D]. 潘明慧.南京航空航天大學(xué) 2014



本文編號：3054453