基于用户偏好与商品属性情感匹配的图书个性化推荐研究

摘要：

[目的]识别并获取细粒度的用户偏好信息,优化图书个性化推荐的效果.[方法]使用情感分析方法对用户图书评论进行属性层文本挖掘,通过用户本身的图书评论获取用户对图书属性的偏好;基于每本图书的所有评论的情感计算获得其属性评分;将用户偏好矩阵、图书属性得分矩阵进行匹配,从而实现用户对图书属性情感偏好的个性化推荐.[结果]利用亚马逊图书评论数据作为数据来源分别对传统的协同过滤方法与本文提出的推荐方法进行实验对比.结果表明,本文提出的方法在准确性、召回率、覆盖率上分别提高了0.030、0.097、0.2812.[局限]未考虑时间因素对用户偏好的影响,并且属性类型的全面程度受亚马逊图书评论数量和质量的限制.[结论]本文计算用户对图书属性的情感得分,得到细粒度的用户偏好信息,并通过与图书属性的得分进行匹配,提升了图书个性化推荐的效果.

关键词：图书个性化推荐、情感匹配、商品属性、用户偏好

所属期刊栏目：1

分类号：G35(情报学、情报工作)

资助基金：国家自然科学基金项目“基于用户偏好感知的SaaS服务选择优化研究”71271099;国家自然科学基金项目“基于屏幕视觉热区的网络用户偏好提取及交互式个性化推荐研究”项目71571084的研究成果之一

在线出版日期：2017-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：9-17