基于评论分析的评分预测与推荐

摘要：

推荐系统广泛地应用在网络平台中,推荐模型需要预测用户的喜好,帮助用户找到适合的电影、书籍、音乐等商品.通过对用户评分和评论信息的分析,可以发现用户关注的商品特征,并根据商品的特征,推测用户对该商品的喜好程度.本文提出将评论中隐含的语义内容与评分相结合,设计并实现了一种新颖的商品推荐模型.首先利用主题模型挖掘评论文本中隐含的主题分布,用主题分布刻画用户偏好和商品画像,在逻辑回归模型上训练主题与打分的关系,最终评分可以被视为是对用户偏好和商品画像的相似程度的量化表示.最后,本文在真实数据上进行了大量对比实验,结果证明该模型比对比系统性能优越且稳定.

关键词：推荐、潜在主题、LDA、回归模型、评论分析

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61103039,61402177;国家自然科学基金重点项目61232002

在线出版日期：2015-07-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：80-90