论短评基于网络短评个性化推荐系统和实现结论

摘要：随着互联网技术的高速进展，互联网已经成为我们获得信息的重要来源，在人们生活的方方面面都与互联网产生了密不可分的联系。互联网给人们的生活带来了便捷，但也带来了一系列的不足，海量的数据充斥着网络，让人们迷失在互联网的世界中。由此，如何让用户以海量的信息中找到有价值的信息，同时让有价值的信息为需要的用户所享用，这个不足一直是相关学术界和企业界所关注的热点不足。随着BBS、微博、聊天室、各类点评网站的进展，互联网上产生了大量有用户参与的网络短评。网络短评是用户对产品的主观描述，其中包含了大量有用的信息，对网络短评浅析所得的情感信息能更为有效的对产品进行描述，但其重要量未被人们足够重视。与此同时，个性化推荐系统的进展非常迅速，个性化推荐系统旨在利用用户的历史行为信息，建立用户与信息产品之间的二元联系，利用已有的选择历程或相似性联系挖掘每个用户潜在感兴趣的对象，在不需要用户显式指定查询的情况下向用户主动推荐信息。其主流的推荐技术是协同过滤和混合推荐。目前的推荐技术所用到的数据大多都是基于用户与产品之间的联系所产生的，而针对网络短评抽取到的情感信息数据的个性化推荐还很少。本论文探讨基于网络短评的个性化推荐系统，将网络短评中所获取的情感特点作为构建推荐系统的重要数据，以此来提升个性化推荐系统的效果。本论文探讨并实现了基于网络短评的个性化推荐系统，具体的探讨内容主要包括以下几个方面：1.针对大众点评网上餐饮类评论数据的特点构造基于网络短评的个性化推荐模型。首先根据传统推荐技术所用的数据（用户与信息产品之间的二元联系）构建二部图网络；其次，基于网络短评抽出的情感信息数据与产品的对应联系构建产品-标签二部图；最后，融合用户-产品二部图和产品-标签二部图得到基于网络短评的个性化模型。2.对个性化推荐模型进行改善，主要包括：利用加权网络思想，可以得到更好的资源分配结果；引入平滑参数对用户和标签的度进行调整，该调整能降低度大的产品对推荐结果的影响。3.将个性化推荐模型用到大众点评网餐饮类用户推荐中，实验结果证明基于网络短评的个性化推荐在排序准确度、召回率、推荐准确率、F1值和推荐新颖性都有显著的提升，以此显示了将网络短评数据引入到个性化推荐系统中的有效性。关键词：网络短评论文个性化推荐论文情感信息论文二部图论文

摘要5-7

Abstract7-11

第一章 绪论11-19

1.1 课题探讨背景及作用11-12

1.2 国内外探讨近况12-17

1.2.1 基于内容的推荐13

1.2.2 协同过滤推荐13-15

1.2.3 混合推荐技术15-16

1.2.4 其他推荐技术16-17

1.2.5 浅析和总结17

1.3 本论文探讨内容17-18

1.4 本论文的组织架构18-19

第二章 个性化推荐系统的相关知识19-33

2.1 推荐技术的介绍19-21

2.1.1 个性化怎么写作19-20

2.1.2 个性化怎么写作的分类20-21

2.2 推荐系统的分类21

2.3 常用的推荐技术21-28

2.3.1 基于内容的推荐策略21-24

2.3.2 基于协同过滤的推荐策略24-26

2.3.3 混合推荐算法26-28

2.4 基于网络的推荐技术28-32

2.4.1 二部图网络论述29-30

2.4.2 基于二部图网络的推荐技术30-32

2.5 本章小结32-33

第三章 基于网络短评的推荐模型设计33-43

3.1 网络短评数据用于个性化推荐33-35

3.2 基于网络短评模型的建立35-38

3.3 基于网络短评的推荐算法38-41

3.3.1 构建用户-产品的模型38-39

3.3.2 构建产品-标签的模型39-40

3.3.3 基于网络短评的推荐算法40-41

3.4 基于网络短评推荐算法的改善41-42

3.4.1 增加权值42

3.4.2 增加平滑因子42

3.5 本章小结42-43

第四章 基于网络短评的个性化推荐系统的实现43-53

4.1 系统实现的总体架构43-44

4.2 数据源获取44-48

4.2.1 网络数据获取44-46

4.2.2 情感信息数据获取46-48

4.3 数据库设计48-49

4.4 基于网络短评推荐的实现49-50

4.4.1 用户-产品模型实现49

4.4.2 产品-标签模型实现49-50

4.5 实验设计50-51

4.6 本章小结51-53

第五章 实验结果与浅析53-63

5.1 推荐结果展示53-55

5.2 评价指标55-56

5.3 实验结果56-62

5.4 实验浅析62

5.5 本章小结62-63

结论63-65