结合情感分析与模糊卡诺模型的推荐算法研究

发布时间：2022-08-07 14:56

　　电子商务在人们日常生活中扮演着越来越重要的角色,人们越来越习惯于网上购物,研究者获取例如在线评论等用户的主观观点数据也变得越发的容易。但由于交易量的爆发式增长,留存海量信息的同时也产生了信息过载。面对海量数据,建立一个高效有用的过滤机制去发现有用的信息就显得尤为重要,于是人们越来越重视对于推荐系统的研究。推荐系统是利用用户的历史数据向其提供商品信息和建议,辅助用户购买所需产品的系统。个性化推荐是根据用户的某种特点和行为,定制化的为用户推荐感兴趣的信息和商品。作为推荐系统的经典方法,协同过滤分为基于用户（User CF）和基于物品（Item CF）两大类。早期的协同过滤通过计算用户评分相似度进行推荐,并没有考虑到用户或商品的特征的细粒度分析,其只能包含用户对于产品的整体态度,而不能体现用户的个性化因素,亦不能包含产品在某方面的独特性。而商品评论中往往包含用户对于产品的偏好以及对于商品某方面带有情感极性的评价,也会更大程度上影响用户的购买行为,所以使用基于内容的观点挖掘的方法能够比基于评分的方法有更好的推荐精度。虽然目前基于物品的协同过滤算法已经转向从产品特征的角度进行研究,但只是单纯的研... 

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图0-1本文研究框架图

电子商务推荐系统经典体系结构

UserCF中用户-物品倒排表示意图


本文编号：3670526