基于网络评论情感信任分析的推荐策略

摘要：

个性化推荐技术已经成为电子商务领域解决信息过载问题的一种有效手段.传统的协同过滤推荐系统由于算法自身的特点,普遍存在数据稀疏性和冷启动等问题,这些问题的存在使得个性化推荐过程中的准确率大大降低,影响了用户的个性化体验和对系统的信心.从社会学中的信任关系角度着手,通过对网络用户在线评论信息进行情感分析,提取出评论信息中用户的情感倾向,并对它进行有效量化,然后通过计算用户情感倾向的相似性建立用户间的信任关系.同时,在推荐过程中将所构建的信任关系与评分数据的相似度进行有效结合,弥补了相似度作为唯一权重因素而导致的推荐准确率降低的不足.首先,基于在线评论信息对用户的情感倾向性进行分析与量化;然后,基于情感相似度对用户信任关系进行建模;最后,基于用户情感信任关系对推荐策略进行设计.在所选数据集上的模拟对比实验表明,改进的引入情感分析信任模型的个性化推荐策略能够有效地降低平均绝对误差值MAE,推荐的准确率得到了提高;同时,覆盖率coverage和推荐系统对商品长尾的发掘能力也得到了有效的提升;另外,信任关系自主管理机制的引入,也大大改善了用户对系统的个性化体验,增强了用户对系统的信心.

关键词：协同过滤、数据稀疏、信任关系、情感分析、相似度

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：中央高校基本科研业务费项目基金XDJK2017C087

在线出版日期：2019-07-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：75-79