基于用户评论情感倾向分析的图书推荐算法研究
发布时间：2021-11-04 15:21
如今,互联网已不仅仅是传播信息的平台,更是大多数人分享信息、表达个人态度的关键方式。尤其在Web2.0和移动社交网络广泛应用之后,大量用户习惯在互联网上留下对各种物品及事件的评论,由此各大网站均积累了庞大的评论数据集。如此海量的评论信息给用户决策造成了困扰,还造成了“信息过载”问题,为此,个性化推荐技术成为学者们的研究热点。但目前的推荐技术大多仅考虑用户评分数据、个人基本信息等,却没有充分利用那些具有高价值的、能够反映用户个人偏好的大量非结构化评论数据,而这些评论数据能够缓解数据稀疏和推荐准确度低等问题。基于此,本文深入挖掘用户评论内容,根据情感分析技术和读书社交网站推荐的研究现状,提出了基于用户评论情感分析的个性化推荐模型。该模型主要分为评论情感分析和个性化推荐两大模块。在进行情感分析时,首先通过句法分析得出主要的依存句法关系,基于句法关系进行特征词-观点词对的抽取,在抽取过程中加入特征词的种子词库和同义词词林进行特征筛选;然后利用基于知网词典的汉语语义相似度计算方法,对特征词进行属性特征聚类;最后考虑程度副词和否定词共现时不同组合方式造成的语义差异,设定程度副词的修饰百分比,设计了...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
图５．?１图书《６４２件可写的事》的部分评论数据??Ｆｉｇ?５．１?Ｐａｒｔｉａｌ?ｒｅｖｉｅｗ?ｄａｔａ?ｆｏｒ?ｔｈｅ?ｂｏｏｋ?６４２?ｔｈｉｎｇｓ?ｔｏ?ｗｒｉｔｅ??
?基于用户评论情感倾向分析的图书推荐算法研究???用户评论情感分祈结果??驗情惑强度值??１Ｓ?１．２２??０．９６??１?■?＿??＿?０．４５?Ｂ??ｇ?０５?－?０．１５?＾??Ｓ?内容Ｋ量墨羅娜：暴獄遐言??－°－５?？?－０３１??－０．＾８?Ｈ??－１??－ｉｍ??图书属性待征??图５．３《６４２件可写的事》评论情感分析结果??Ｆｉｇ?５．３?６４２?ｔｈｉｎｇｓ?ｔｏ?ｗｒｉｔｅ?ｒｅｖｉｅｗｓ?ｔｈｅ?ｒｅｓｕｌｔｓ?ｏｆ?ａｎ?ｅｍｏｔｉｏｎａｌ?ａｎａｌｙｓｉｓ??从图５．?３可以看出，大众对该图书的“内容”、“质量”、“物流”、“形式”和??“语言”属性特征有着正面的情感倾向，而对特征“价格”、“包装”和“价值”整体??呈负面情感倾向。说明看过该本图书的用户对该图书的评价是，内容、形式、和语言方??面比较突出，但其价值不太高，而且书的价格偏贵。整体而言，该本图书的正面评价情??感值大于负面评价情感值，用户对此书还算满意。??－５２－??
?基于用户评论情感倾向分析的图书推荐算法研究???不同列表长度下的Ｆ１值?．奸??ｌ＿，ｒ??０．３５?娜？—得??ｎ?ａ?、．?ｗ＇…本文Ｋ法??仏?０．１５??ｎ．ｉ??０－０Ｓ??Ｑ??１?２?３?４?５?６?７?Ｂ?９?１０??推荐列表长度??图５．７不同列表长度下的ＦＩ值??Ｆｉｇ?５．７?ＦＩ?ｖａｌｕｅｓ?ｆｏｒ?ｄｉｆｆｅｒｅｎｔ?ｌｉｓｔ?ｌｅｎｇｔｈｓ??５．５?本章小结??本章以豆瓣读书评论数据为例，展示了基于情感分析的个性化推荐的完整流程，并??验证了该算法的有效性。首先从数据的釆集和预处理开始，将评论数据集处理成规范的??数据集，之后在实验过程环节进行了特征词－观点词对的抽取，产品属性特征聚类和用??户偏好的计算，最终得到用户相似度，生成推荐列表进行个性化推荐。为了验证算法的??有效性，本文以准确率、召回率和Ｆ－ｍｅａｓｕｒｅ值为评估指标，对本文算法从特征词抽取??效果、情感倾向识别结果以及算法整体推荐效果三方面进行了评估和比较，结果表明，??本文算法具有较高的准确率和召回率，推荐效果良好。??－ｓ＞??
【参考文献】：
期刊论文
[1]基于卷积神经网络和Tree-LSTM的微博情感分析[J]. 王文凯,王黎明,柴玉梅. 计算机应用研究. 2019(05)
[2]基于评论情感分析的个性化推荐策略研究——以豆瓣影评为例[J]. 姜霖,张麒麟. 情报理论与实践. 2017(08)
[3]在线中文用户评论研究综述:基于情感计算的视角[J]. 吴应良,黄媛,王选飞. 情报科学. 2017(06)
[4]基于情感分析和LDA主题模型的协同过滤推荐算法[J]. 彭敏,席俊杰,代心媛,何炎祥. 中文信息学报. 2017(02)
[5]面向商品评论文本的情感分析与挖掘[J]. 李涵昱,钱力,周鹏飞. 情报科学. 2017(01)
[6]基于特征本体的微博产品评论情感分析[J]. 唐晓波,兰玉婷. 图书情报工作. 2016(16)
[7]基于深度学习的社交网络平台细粒度情感分析[J]. 李阳辉,谢明,易阳. 计算机应用研究. 2017(03)
[8]中国房地产网络舆情分析[J]. 朱建平,谢邦昌,骆翔宇,范新妍,曾武雄,郑陈璐. 数理统计与管理. 2016(04)
[9]一种个性化协同过滤混合推荐算法[J]. 蒋宗礼,汪瑜彬. 软件导刊. 2016(03)
[10]基于情感分析的企业产品级竞争对手识别研究——以用户评论为数据源[J]. 肖璐,陈果,刘继云. 图书情报工作. 2016(01)
硕士论文
[1]基于情感分析的个性化推荐研究[D]. 容智宇.华中师范大学 2018
[2]基于文本挖掘的在线评论情感强度分析[D]. 肖洁.暨南大学 2018
[3]基于高校图书馆信息推荐系统的设计与实现[D]. 万莹.电子科技大学 2014
[4]评论文本的情感分析研究及其在信用评估中的应用[D]. 李楚楚.首都师范大学 2013
[5]基于情感词典的中文微博情感倾向分析研究[D]. 陈晓东.华中科技大学 2012
本文编号：3475994
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
图５．?１图书《６４２件可写的事》的部分评论数据??Ｆｉｇ?５．１?Ｐａｒｔｉａｌ?ｒｅｖｉｅｗ?ｄａｔａ?ｆｏｒ?ｔｈｅ?ｂｏｏｋ?６４２?ｔｈｉｎｇｓ?ｔｏ?ｗｒｉｔｅ??
?基于用户评论情感倾向分析的图书推荐算法研究???用户评论情感分祈结果??驗情惑强度值??１Ｓ?１．２２??０．９６??１?■?＿??＿?０．４５?Ｂ??ｇ?０５?－?０．１５?＾??Ｓ?内容Ｋ量墨羅娜：暴獄遐言??－°－５?？?－０３１??－０．＾８?Ｈ??－１??－ｉｍ??图书属性待征??图５．３《６４２件可写的事》评论情感分析结果??Ｆｉｇ?５．３?６４２?ｔｈｉｎｇｓ?ｔｏ?ｗｒｉｔｅ?ｒｅｖｉｅｗｓ?ｔｈｅ?ｒｅｓｕｌｔｓ?ｏｆ?ａｎ?ｅｍｏｔｉｏｎａｌ?ａｎａｌｙｓｉｓ??从图５．?３可以看出，大众对该图书的“内容”、“质量”、“物流”、“形式”和??“语言”属性特征有着正面的情感倾向，而对特征“价格”、“包装”和“价值”整体??呈负面情感倾向。说明看过该本图书的用户对该图书的评价是，内容、形式、和语言方??面比较突出，但其价值不太高，而且书的价格偏贵。整体而言，该本图书的正面评价情??感值大于负面评价情感值，用户对此书还算满意。??－５２－??
?基于用户评论情感倾向分析的图书推荐算法研究???不同列表长度下的Ｆ１值?．奸??ｌ＿，ｒ??０．３５?娜？—得??ｎ?ａ?、．?ｗ＇…本文Ｋ法??仏?０．１５??ｎ．ｉ??０－０Ｓ??Ｑ??１?２?３?４?５?６?７?Ｂ?９?１０??推荐列表长度??图５．７不同列表长度下的ＦＩ值??Ｆｉｇ?５．７?ＦＩ?ｖａｌｕｅｓ?ｆｏｒ?ｄｉｆｆｅｒｅｎｔ?ｌｉｓｔ?ｌｅｎｇｔｈｓ??５．５?本章小结??本章以豆瓣读书评论数据为例，展示了基于情感分析的个性化推荐的完整流程，并??验证了该算法的有效性。首先从数据的釆集和预处理开始，将评论数据集处理成规范的??数据集，之后在实验过程环节进行了特征词－观点词对的抽取，产品属性特征聚类和用??户偏好的计算，最终得到用户相似度，生成推荐列表进行个性化推荐。为了验证算法的??有效性，本文以准确率、召回率和Ｆ－ｍｅａｓｕｒｅ值为评估指标，对本文算法从特征词抽取??效果、情感倾向识别结果以及算法整体推荐效果三方面进行了评估和比较，结果表明，??本文算法具有较高的准确率和召回率，推荐效果良好。??－ｓ＞??
【参考文献】：
期刊论文
[1]基于卷积神经网络和Tree-LSTM的微博情感分析[J]. 王文凯,王黎明,柴玉梅. 计算机应用研究. 2019(05)
[2]基于评论情感分析的个性化推荐策略研究——以豆瓣影评为例[J]. 姜霖,张麒麟. 情报理论与实践. 2017(08)
[3]在线中文用户评论研究综述:基于情感计算的视角[J]. 吴应良,黄媛,王选飞. 情报科学. 2017(06)
[4]基于情感分析和LDA主题模型的协同过滤推荐算法[J]. 彭敏,席俊杰,代心媛,何炎祥. 中文信息学报. 2017(02)
[5]面向商品评论文本的情感分析与挖掘[J]. 李涵昱,钱力,周鹏飞. 情报科学. 2017(01)
[6]基于特征本体的微博产品评论情感分析[J]. 唐晓波,兰玉婷. 图书情报工作. 2016(16)
[7]基于深度学习的社交网络平台细粒度情感分析[J]. 李阳辉,谢明,易阳. 计算机应用研究. 2017(03)
[8]中国房地产网络舆情分析[J]. 朱建平,谢邦昌,骆翔宇,范新妍,曾武雄,郑陈璐. 数理统计与管理. 2016(04)
[9]一种个性化协同过滤混合推荐算法[J]. 蒋宗礼,汪瑜彬. 软件导刊. 2016(03)
[10]基于情感分析的企业产品级竞争对手识别研究——以用户评论为数据源[J]. 肖璐,陈果,刘继云. 图书情报工作. 2016(01)
硕士论文
[1]基于情感分析的个性化推荐研究[D]. 容智宇.华中师范大学 2018
[2]基于文本挖掘的在线评论情感强度分析[D]. 肖洁.暨南大学 2018
[3]基于高校图书馆信息推荐系统的设计与实现[D]. 万莹.电子科技大学 2014
[4]评论文本的情感分析研究及其在信用评估中的应用[D]. 李楚楚.首都师范大学 2013
[5]基于情感词典的中文微博情感倾向分析研究[D]. 陈晓东.华中科技大学 2012
本文编号：3475994
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3475994.html
最近更新
教材专著
