基于评论主题的个性化评分预测模型

2016-10-12 08:31:51马春平陈文亮
北京大学学报(自然科学版) 2016年1期
关键词:特征用户实验

马春平 陈文亮,†



基于评论主题的个性化评分预测模型

马春平1,2陈文亮1,2,†

1.苏州大学计算机科学与技术学院, 苏州 215006; 2.软件新技术与产业化协同创新中心, 苏州 215006; †通信作者, E-mail: wlchen@suda.edu.cn

针对现有基于评论分析的推荐算法没有充分考虑个性化的问题, 通过对评论进行主题分析, 挖掘用户的喜好, 分别建立基于用户和物品的个性化评分预测模型。在真实数据集上进行实验验证, 结果表明该模型有效地提高了推荐系统的评分预测性能。

个性化推荐; 推荐系统; 评分预测; 评论信息

传统的推荐算法主要根据用户的历史行为分析用户喜好, 并做出推荐。随着互联网的普及和电子商务的发展, 用户成为互联网主动的参与者, 并产生大量的用户个性化内容。这些内容包括用户评论、地理位置、好友关系等。传统的推荐算法主要利用用户的评分或者物品的描述性特征。相对于评分, 评论能够更加具体、准确地表达用户对物品的喜好。与用户和物品的描述信息相比, 用户评论的内容也更加丰富, 更能体现用户的个性化特征, 可以在此基础上构建更准确的个体画像。以评论“这家店虽然环境一般, 但味道正宗, 老板人也很好。”为例, 该用户给该饭店打5分满分。从用户的角度可以分析出, 该用户比较注重服务和口味, 对环境要求较低; 而从商户的角度可以分析出, 该商户的口味、服务一流, 但环境欠佳。可见评论的信息量远远大于评分。如果能从评论中精确地分析出用户的喜好和物品的特征, 必定能在很大程度上提高推荐精度。……

登录APP查看全文

猜你喜欢
特征用户实验
记一次有趣的实验
如何表达“特征”
做个怪怪长实验
不忠诚的四个特征
当代陕西(2019年10期)2019-06-03 10:12:04
关注用户
商用汽车(2016年11期)2016-12-19 01:20:16
NO与NO2相互转化实验的改进
实践十号上的19项实验
太空探索(2016年5期)2016-07-12 15:17:55
关注用户
商用汽车(2016年6期)2016-06-29 09:18:54
关注用户
商用汽车(2016年4期)2016-05-09 01:23:12
如何获取一亿海外用户
创业家(2015年5期)2015-02-27 07:53:25