面向推荐系统的用户评论体验提取方法

摘要：

推荐技术能够根据用户的历史行为等客观数据推测用户的偏好,为电商营销和运维提供决策依据和指导.为了提高特定电子商务领域推荐的准确度,从不同角度研究分析了用户评论体验,加强对用户语言模式的本体研究,有效区分主题和非主题产品特征,并给出用户体验的符号描述.提出了一种面向推荐系统的用户体验提取算法,将用户体验特征词、副词、修饰语构建的短语作为具有推荐解释功能的标签,弥补了传统的标签推荐方法需要依赖标签数据源的问题.同时提出用户体验概念,给出提取算法流程,设计了针对评论内容的协同滤波算法,可以提取用户体验情感极性用于用户评分,结合情感极性与体验特征还可以应用于基于张量的推荐系统.实验结果表明,提取的用户体验同时具有准确性和多样性,并且能够保证较高的准确率与查全率.

关键词：推荐系统、偏好、用户评论、用户体验、协同滤波、情感极性

所属期刊栏目：32

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家电网有限公司总部科技项目5211XT190033

在线出版日期：2022-07-04（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：52-56