评价数据中基于隐变量模型的用户偏好发现

发布时间：2021-09-14 21:29

　　随着移动互联网的不断发展,用户通过互联网产生了大量的用户评价数据,例如电子商务中用户对商品给出的评价,这些数据体现了用户对商品的满意（即偏好）程度。充分挖掘用户评价数据中包含的有效信息,并为用户提供个性化的产品、服务具有重要意义。用户评价数据包括评分数据和评论数据,评分数据可以从整体上体现用户偏好,评论数据则可以表达用户对产品不同方面的关注和偏好。近年来,已有许多研究工作利用评价数据进行用户偏好建模,但这些方法往往忽略了评论数据中不同评价方面之间的内在联系,难以描述用户评价数据中不同属性之间的不确定性依赖关系。本文将用户对评价对象在不同方面的评论,分别描述为不同的评论属性,使用词向量工具挖掘评论数据中用户针对不同评论属性的语义信息。同时,隐变量模型可以通过隐变量描述隐含知识,所以本文将用户偏好用隐变量进行表示,构建基于用户评价数据的用户偏好模型。综上,本文的主要研究内容可以概括成以下三点:1)针对评论文本数据的预处理,本文首先使用Word2vec词向量工具将评论文本数据转化为文本词向量,通过k-means聚类算法对评论数据的词向量进行最优聚类,根据聚类结果确定评论数据中包含的评论属性个... 

【文章来源】：云南大学云南省 211工程院校

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

图２．１?ＮＮＬＭ网络结构示意图??

cB0w模型和SU卜gra

图２．３贝叶斯网举例??

【参考文献】：
期刊论文
[1]融合评分矩阵与评论文本的商品推荐模型[J]. 李琳,刘锦行,孟祥福,苏畅,李鑫,钟珞.  计算机学报. 2018(07)
[2]基于贝叶斯网的评价数据分析和动态行为建模[J]. 王飞,岳昆,孙正宝,武浩,冯辉.  计算机研究与发展. 2017(07)
[3]基于Word2vec的微博短文本分类研究[J]. 张谦,高章敏,刘嘉勇.  信息网络安全. 2017(01)
[4]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正.  计算机应用研究. 2012(08)



本文编号：3395560