Print

基于在线评论的混合推荐算法

论文摘要

web2.0的快速发展使得网络数据剧增,全方位刻画用户特征、分析用户偏好信息并对用户进行产品推荐成为企业和客户的迫切需要,个性化产品推荐应运而生。目前的推荐算法大多以评分数据作为获取偏好的来源,主要根据用户偏好模型评估推荐效果的好坏。本文以产品在线评论为基础,通过特征属性的情感分析补充用户对产品的倾向性意见,基于内容推荐算法根据用户评分和在线评论构建用户偏好模型与产品特征模型。以协同过滤算法为框架,结合多种相似度算法构建了基于用户偏好与产品特征的混合推荐算法。采集携程网的数据进行实验,验证了模型良好的推荐精确度。

论文目录

  • 1 文献综述
  • 2 混合推荐模型的总体框架
  • 3 用户偏好模型和产品 特征模型的构建
  •   3.1 用户偏好模型
  •     （1）产品特征和用户偏好信息的获取
  •     （2）用户偏好模型的构建
  •   3.2 产品特征模型
  • 4 基于用户偏好和产品 特征的混合推荐模型
  •   4.1 用户相似度计算
  •     （1）老用户的相似性算法
  •     （2）冷启动用户相似度计算
  •     （3）冷启动产品相似度计算
  •   4.2 混合推荐流程
  • 5 实验及结果分析
  •   5.1 实验数据
  •   5.2 实验过程
  •   5.3 实验评价
  •     （1）评价指标
  •     （2）产品老用户的推荐性能
  • 6 研究结果与展望

    • 文章来源

    类型: 期刊论文

    作者: 单晓红,王春稳,刘晓燕,张晓月

    关键词: 混合推荐,在线评论,用户偏好

    来源: 系统工程 2019年06期

    年度: 2019

    分类: 基础科学,信息科技

    专业: 计算机软件及计算机应用

    单位: 北京工业大学经济与管理学院

    基金: 国家社科基金青年项目(15CTQ023),北京自然科学(9172002)

    分类号: TP391.3

    页码: 130-138

    总页数: 9

    文件大小: 2461K

    下载量: 748

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/7b6ab219fad90496baa1df2d.html