基于语义分析的评论文本挖掘与商品推荐

发布时间：2017-12-16 19:07

  本文关键词：基于语义分析的评论文本挖掘与商品推荐

  更多相关文章： 商品推荐 语义分析 语义角色标注

【摘要】：在基于评论文本的商品推荐研究中,有许多优秀的推荐算法及推荐方式,但是针对"购买者购买商品给予他人"的情况进行研究的较少。这种商品购买者是一个人,而商品的使用者却是另一个人的情况是不能简单的采用词频分析法来解决的。本文提出来一种基于语义分析的商品评论文本挖掘方法,获取商品购买者与使用者的关系,意在完善现有商品推荐系统,同时找到一种新的解决问题的思路。首先对采集的"京东"商城手机评论文本进行分词、词性标注、语义角色标注等预处理,然后依据配价语法对预处理后的评论文本进行关键格的提取作为购买者及使用者特征。由于评论文本具有口语化的特点,数据中会出现大量的同义称谓词的不同形式;同时也会省略施事格或使用第一人称"我"来充当施事格,而第一人称不能反应施事格的属性特征,需要转化为第三人称的形式;所以这里构建"同义词词库"及"称谓自称关系对照库"来统一称谓词及推理施事格,最终得到"施事格-动词-受事格"形式的结构化数据。对商品购买者的所有特征进行统计,构建商品购买者特征向量和商品使用者特征向量。通过对商品购买者特征向量及商品使用者特征向量进行聚类分析,分别获得基于购买者信息以及基于使用者信息的推荐商品。或者同时考虑双方因素,来确定彼此推荐的商品。最后实现了推荐系统的实验程序、并利用收集的数据进行了商品推荐仿真实验。通过对实验结果的分析及与其它方法的推荐结果的比较表明,本文方法利用获取的商品购买者及使用者的共同特征,推荐结果准确且针对性强;与"天猫"、"京东"商城的推荐结果进行比较,分别达到了 73.9%和85.2%的相似度,表明此方法具有一定的实用价值。
【学位授予单位】：哈尔滨商业大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.1

【参考文献】

中国期刊全文数据库 前10条

1 周化;张沁蕙;袁志;;基于文本挖掘与语义识别的用户消费行为分析[J];企业技术开发;2016年19期

2 唐明;朱磊;邹显春;;基于Word2Vec的一种文档向量表示[J];计算机科学;2016年06期

3 姚小烈;;句法中心语“的”与现代汉语“VP+的+NP”结构[J];南通大学学报(社会科学版);2015年06期

4 周练;;Word2vec的工作原理及应用探究[J];科技情报开发与经济;2015年02期

5 秦春秀;祝婷;赵捧未;张毅;;自然语言语义分析研究进展[J];图书情报工作;2014年22期

6 张静;;数据挖掘中聚类分析综述[J];价值工程;2014年15期

7 孟凡新;;中国网络购物市场研究报告[J];互联网天地;2013年06期

8 朱振华;;配价语法的当代思考[J];前沿;2013年04期

9 顾正甲;姚天f ;;评价对象及其倾向性的抽取和判别[J];中文信息学报;2012年04期

10 王千;王成;冯振元;叶金凤;;K-means聚类算法研究综述[J];电子设计工程;2012年07期

中国重要会议论文全文数据库 前1条

1 姚天f ;聂青阳;李建超;李林琳;娄德成;陈珂;付宇;;一个用于汉语汽车评论的意见挖掘系统[A];中文信息处理前沿进展——中国中文信息学会二十五周年学术会议论文集[C];2006年

中国博士学位论文全文数据库 前1条

1 黄胜;Web评论文本的细粒度意见挖掘技术研究[D];北京理工大学;2014年

中国硕士学位论文全文数据库 前10条

1 吕文娟;基于语义情感分析的电子商务个性化推荐模型研究[D];湖北工业大学;2016年

2 乔端瑞;基于K-means算法及层次聚类算法的研究与应用[D];吉林大学;2016年

3 杨宏一;结合消费偏好动态演变机制的个性化商品推荐方法研究[D];东华大学;2016年

4 郑茂;篇章级联想模型的研究与实现[D];哈尔滨工业大学;2015年

5 侯潇琪;汉语词的分布式表示学习研究[D];山西大学;2014年

6 缪元武;基于层次聚类的数据分析[D];安徽大学;2013年

7 冯倩;网购客户流失的实证分析[D];西南财经大学;2013年

8 段明秀;层次聚类算法的研究及应用[D];中南大学;2009年

9 汪红林;基于依存分析的语义角色标注研究[D];苏州大学;2009年

10 杜克华;三价动词及其相关句型[D];四川师范大学;2003年

，

本文编号：1297124