針對(duì)基于用戶評(píng)論的商品推薦算法未充分利用評(píng)論之間關(guān)聯(lián)信息的問(wèn)題,提出一種融合知識(shí)圖譜與用戶評(píng)論的商品推薦算法。結(jié)合知識(shí)圖譜對(duì)用戶評(píng)論進(jìn)行商品特征和情感詞提取,構(gòu)建商品特征集合和商品向量并計(jì)算商品相似度矩陣,根據(jù)情感詞確定商品特征得分,通過(guò)隨機(jī)游走商品節(jié)點(diǎn)獲取商品特征權(quán)重。在此基礎(chǔ)上,根據(jù)商品特征得分和商品特征權(quán)重計(jì)算商品推薦價(jià)值并進(jìn)行Top-k推薦。實(shí)驗(yàn)結(jié)果表明,與基于知識(shí)圖譜的推薦算法、協(xié)同過(guò)濾算法、基于內(nèi)容的推薦算法和混合推薦算法相比,該算法的準(zhǔn)確率、召回率和F值最高分別提升15.81%、7.27%和8.55%。 

【文章來(lái)源】：計(jì)算機(jī)工程. 2020,46(08)北大核心CSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

隨機(jī)游走策略示意圖

不同λ和β值下的實(shí)驗(yàn)結(jié)果

不同k值下的實(shí)驗(yàn)結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]推薦算法概述與展望[J]. 俞偉,徐德華.  科技與創(chuàng)新. 2019(04)
[2]知識(shí)圖譜的推薦系統(tǒng)綜述[J]. 常亮,張偉濤,古天龍,孫文平,賓辰忠.  智能系統(tǒng)學(xué)報(bào). 2019(02)
[3]基于內(nèi)容的加權(quán)粒度序列推薦算法[J]. 王光,張杰民,董帥含,夏帥.  計(jì)算機(jī)工程與科學(xué). 2018(03)
[4]基于語(yǔ)義約束LDA的商品特征和情感詞提取[J]. 彭云,萬(wàn)常選,江騰蛟,劉德喜,劉喜平,廖國(guó)瓊.  軟件學(xué)報(bào). 2017(03)
[5]知識(shí)圖譜技術(shù)綜述[J]. 徐增林,盛泳潘,賀麗榮,王雅芳.  電子科技大學(xué)學(xué)報(bào). 2016(04)
[6]知識(shí)圖譜構(gòu)建技術(shù)綜述[J]. 劉嶠,李楊,段宏,劉瑤,秦志光.  計(jì)算機(jī)研究與發(fā)展. 2016(03)
[7]推薦系統(tǒng)評(píng)價(jià)指標(biāo)綜述[J]. 朱郁筱,呂琳媛.  電子科技大學(xué)學(xué)報(bào). 2012(02)

碩士論文
[1]融合評(píng)論的稀疏線性推薦算法研究與實(shí)現(xiàn)[D]. 樊雪純.西北大學(xué) 2019
[2]基于用戶評(píng)論建模的推薦算法研究及應(yīng)用[D]. 郭望.華東師范大學(xué) 2019
[3]基于用戶評(píng)論的個(gè)性化產(chǎn)品推薦算法優(yōu)化研究[D]. 趙菁.杭州電子科技大學(xué) 2019



本文編號(hào)：3296491