论文摘要
【目的】提出一个基于评论的用户建模算法,实现评论资讯的个性化推荐。【方法】借助预训练词向量从评论观点句中提取细粒度的产品特征,基于语义关联构建特征词图,并运用TextRank关键词抽取算法计算用户对产品特性的关注度,构建用户兴趣模型。【结果】结果显示,结合词向量和词图算法生成的用户模型与人工归纳的用户模型吻合度较高,语义关联度近90%。模型评测指标F1为0.5505,优于基于词频的传统词袋模型(特征词模型F1为0.5269,词项模型F1为0.3322)。【局限】通过人工标注的评测语料偏少;基于通用语料获得的词向量对解决领域相关问题存有一定局限。【结论】对于形式表达不规范的评论语言,信息凝聚与语义分析技术的有机结合能够有效提升用户建模的质量,为评论质量的评价及评论在推荐系统中的有效利用提供了新思路。
论文目录
文章来源
类型: 期刊论文
作者: 聂卉
关键词: 用户兴趣建模,个性化推荐,评论挖掘
来源: 数据分析与知识发现 2019年12期
年度: 2019
分类: 信息科技
专业: 计算机软件及计算机应用
单位: 中山大学资讯管理学院
基金: 国家社会科学基金项目“面向用户感知效用的在线评论的质量与控制研究”(项目编号:15BTQ067)的研究成果之一
分类号: TP391.3
页码: 30-40
总页数: 11
文件大小: 1445K
下载量: 350