基于文本分析的推薦系統(tǒng)研究與實現.pdf

1、隨著互聯網信息技術的高速發(fā)展和網絡的普及，越來越多的消費者選擇網上購物并參與在線評論。然而面對電子商務平臺上如此繁多的同類產品，消費者不得不花費大量時間在對比多個產品的評論上，以進行購買決策，難以在短時間內找到符合屬性要求的產品。通過對評論文本的分析結果顯示，從產品評論中提取的屬性更能真實的反映消費者實際所關注的對象。因此，為了給消費者提供高效快捷的購物體驗，本文中基于對產品評論文本的分析設計實現了一套包括抽取產品屬性詞、對產品評論按照

2、效用性價值高低排序及情感傾向分析和推薦值計算的推薦系統(tǒng)。主要包括以下幾方面的研究工作：
　　1、屬性詞抽取方面，由于通過詞性序列模板構建的屬性詞候選集合中包含大量含義相近的詞，提出了一種基于余弦相似度的近鄰傳播聚類算法（APC-CS），將相似的詞采用相同詞表示，提高消費者的購物體驗。
　　2、產品評論效用性評價方面，本文中通過對影響產品評論效用性的因素進行分析，提出了影響產品評論效用性的結構特征，并結合傳統(tǒng)的文本特征自動抽取

3、方法-信息增益法（IG）提取的效用性信息特征，提出了一種基于組合特征（CF）的產品評論效用性評價模型。
　　3、情感傾向分析和推薦值計算方面：本文中對于產品評論的情感傾向分析采用長短時記憶模型（LSTM）進行評價，并結合情感傾向值和產品評論效用性評價值構建了多屬性推薦值計算模型。
　　基于以上方法對產品評論文本進行分析，實現了一個基于文本分析的產品推薦系統(tǒng)。通過該系統(tǒng)，對于相同類型的產品，消費者在屬性欄選擇自己最關注的產品屬