基于文本情感分析与矩阵分解的混合推荐算法研究

发布时间：2021-02-27 15:51

　　现有的推荐算法存在着冷启动性、稀疏性及可扩展性等问题。本文针对这些问题引入用户评分偏好信息提出了基于Jaccard相似度与矩阵分解的混合推荐算法,且为提升英文文本的情感分析算法的准确率提出了基于句向量与LSTM的英文文本情感分析算法,最后考虑用户评论中含有的情感倾向信息研究提出了基于用户评论情感与矩阵分解推荐算法。本文主要研究工作和成果如下:1.为引入相似用户的评分偏好信息,研究提出基于Jaccard相似度与矩阵分解的混合推荐算法HRA-JSMD①。算法根据Jaccard相似度挖掘评分相似性的用户集群,且采用矩阵分解方法对相似用户的局部评分项进行预测,最后对填充后的评分矩阵进行矩阵分解,通过算法实例分析HRA-JSMD算法的可行性。实验结果表明HRA-JSMD算法能得到更优的推荐质量及更低的计算时间。2.为提升文本情感分析算法对于英文文本的预测准确度,研究提出基于句向量与LSTM的英文文本情感分析算法SA-SVL②。算法在文本预处理之后为单词分配数值以构建句向量且运用TF-IDF提取其情感特征,最后采用基于LSTM的循环神经网络进行训练。通过算法实例分析SA-SVL算法的可行性且实验结... 

【文章来源】：南昌大学江西省 211工程院校

【文章页数】：91 页

【学位级别】：硕士

【部分图文】：

循环神经网络示意图

．％／ｔ＇??Ｆｉｇｕｒｅ?３．１?Ｔｈｅ?ｄｉａｇｒａｍ?ｏｆ?ｒａｔｉｎｇｓ?ｐｒｅｄｉｃｔｉｏｎ?ｍｏｄｅｌ?ｂａｓｅ?ｏｎ?Ｍａｔｒｉｘ?Ｆｉｌｌ??该算法根据用户－项目评分矩阵（ｍｘ？）通过算法３．１得到的用户的Ｋ个相??似邻居集合，随后根据Ｋ个相似邻居与同标用户／的评分矩阵寻找到它们已经评??分的列号。并将寻找到的评分列构成新的独立矩阵，采用矩阵分解技术对独立??矩阵进行预测评分。最终将未评分项的预测值填充至原始评分矩阵中以降低用??户－项ｇ评分的稀疏度。??如图３．１所示假定算法３．１从用户－项目评分矩阵（ａ）中选取目标用户ｔａｒｇｅｔ－ｉｄ??

．Ｆｉｇｕｒｅ．３．２?Ｔｈｅ?ｒｅｓｕｌｔ?ｏｆ?ｏｆ?ｔｈｒｅｅ?ｓｉｍｉｌａｒｉｔｙ?ｏｎ?Ｍｏｖｉｅｌｅｎｓ?ｄａｔａｓｅｔ：（ａ）ＭＡＥ?；（ｂ）ＲＭＳＥ??由图３．２（ａ）及表３．７中可知，当邻居数量为５吋，基于余弦相似度的算法??相比其他算法得到的平均ＭＡＥ值较高，说明该算法得到的推荐质量最差，而基??于皮尔森算法较于Ｊａｃｃａｒｄ算法得到的平均ＭＡＥ值略低。当邻居数量ｄ?＾?１０??时，三种相似度的推荐算法得到推荐准确度都有着明显提高。当邻居数量??

【参考文献】：
期刊论文
[1]基于SVD++与标签的跨域推荐模型[J]. 邢长征,杨晓婷.  计算机工程. 2018(04)
[2]基于联合概率矩阵分解的个性化试题推荐方法[J]. 李全,刘兴红,许新华,林松.  计算机应用. 2018(03)
[3]基于混合卡方统计量与逻辑回归的文本情感分析[J]. 李平,戴月明,王艳.  计算机工程. 2017(12)
[4]基于神经网络的文本表示模型新方法[J]. 曾谁飞,张笑燕,杜晓峰,陆天波.  通信学报. 2017(04)
[5]基于项目属性偏好的协同过滤算法[J]. 朱明,魏慧琴.  计算机与现代化. 2017(04)
[6]改进的协同过滤推荐算法[J]. 张亮,赵娜.  计算机系统应用. 2016(07)
[7]融合用户信任模型的协同过滤推荐算法[J]. 杨秀梅,孙咏,王丹妮,李岩.  计算机系统应用. 2016(07)
[8]基于耦合相似度的矩阵分解推荐方法[J]. 郭梦娇,孙劲光,孟祥福.  计算机科学. 2016(04)
[9]基于主题模型的矩阵分解推荐算法[J]. 林晓勇,代苓苓,史晟辉,李芳.  计算机应用. 2015(S2)
[10]基于用户偏好的矩阵分解推荐算法[J]. 刘慧婷,陈艳,肖慧慧.  计算机应用. 2015(S2)

博士论文
[1]协同过滤系统的稀疏性与冷启动问题研究[D]. 孙小华.浙江大学 2005

硕士论文
[1]推荐系统中基于内存的协同过滤算法研究[D]. 王贾予沣.西安电子科技大学 2015
[2]基于词典的中文微博情绪分析[D]. 潘明慧.南京航空航天大学 2014



本文编号：3054453