融合用户兴趣及评论效用的评论信息推荐

摘要：

[目的 /意义]Web 2.0时代,在线评论质量参差不齐和过载问题十分严重,人们从中获取有价值内容的认知成本越来越高.探究以信息推荐方式解决评论过载的有效方案,以提升网络信息利用率和信息服务质量.论文提出的评论排名推荐方案关注评论的信息质量,更强调对用户的个人信息需求的满足.[方法/过程]研究运用概率主题模型,引入词向量构建主题空间下的用户模型和评论模型,通过将其纳入评论感知效用评测系统,实现融合用户兴趣和评论质量的评论推荐,推荐效果通过系统实验予以检测.[结果/结论]实验结果表明,评论信息质量和用户个体的信息需求,共同作用于用户对评论感知效用的满意度;推荐策略实现了二者的有机融合,三组不同推荐模式下的评测效果显示,相较于单纯的"兴趣推荐"和"效用推荐","融合推荐"综合满意度得分最高.

关键词：信息推荐、评论效用预测、用户建模、在线评论

所属期刊栏目：65

分类号：P393.1;G202

资助基金：国家社会科学基金15BTQ067

在线出版日期：2021-06-16（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：68-78