TextRank与用户情感倾向在推荐算法中的研究

齐平平

摘  要：为了研究动态数据下的TextRank与用户情感倾向在推荐算法中的应用，本文在TextRank算法进行细致分析的基础上，结合动态数据的时效性特点进行了综合改进，结合时间衰减参数与时效性参数TL，将原本单一的PR值变为了综合PR值，实验结果证明，综合PR值相比于原PR值是更加合理的。在此基础上，利用综合PR值数据与用户自身的静态数据以及用户情感倾向进行整合，通过推荐算法的综合筛选，得出最终的推荐结果，为用户提供了一个良好的体验。

关键词：动态数据  TextRank  PR值  推荐算法  情感倾向

中图分类号：TP301                           文献标识码：A文章编号：1674-098X（2021）04（b）-0159-04

Research on TextRank and User Emotional Tendency in Recommendation Algorithm

QI Pingping

（School of Communication and Electronic Engineering， East China Normal University， Shanghai， 200241 China）

Abstract： In order to study the application of TextRank under dynamic data and user sentiment in the recommendation algorithm， a comprehensive improvement was made based on the detailed analysis of the TextRank algorithm， combined with the timeliness characteristics of dynamic data， combined with time attenuation parameters and timeliness parameters TL， The original single PR value is changed to a comprehensive PR value. The experimental results prove that the comprehensive PR value is more reasonable than the original PR value. On this basis， the comprehensive PR value data is integrated with the user's own static data and the user's emotional tendency， and the final recommendation result is obtained through the comprehensive screening of the recommendation algorithm， providing a good experience for the user.

Key Words： Dynamic data; TextRank; PR value; Recommendation algorithm; Emotional tendency

1  研究背景

互聯网的快速发展给全世界的人们带来极大便利的同时，也带来了一些麻烦，其中网络信息过剩的问题尤为突出：人们在网络上搜索某个信息时往往会迷失在庞大的网络数据之中，从而无法获得自己想要的信息。于是，推荐算法应运而生，其在很大程度上帮助人们解决了信息过剩的问题，但是面对互联网的实时更新的动态数据，传统的推荐算法例如协同过滤推荐、基于关联规则的推荐等都无法满足人们对于信息获取的要求，于是个性化推荐算法出现。在个性化推荐算法百家齐放的过程中，对于网络实时的动态数据的处理一直都是大问题，国内外有许多的专家学者都有深入研究，如Kim在研究中提出了通过获取用户自身的数据与网络数据进行整合为用户推荐电子商务类的个性化信[1]。Luis等通过应用语义分析的相关技术，利用已知的网络静态数据建立推荐模型，开发出了一款可以向用户推荐电影院等相关信息的系统，此系统在系统评估中取得了相对较好的结果[2]。……