基于評論分析的商品推薦系統(tǒng)研究.pdf

1、隨著網(wǎng)絡(luò)的普及，電子商務得到了迅猛的發(fā)展，同時也出現(xiàn)了各種各樣的商品推薦系統(tǒng)。已有的推薦系統(tǒng)大多是以商品為中心，通過用戶的瀏覽歷史對用戶進行推薦更多的商品。這樣的推薦系統(tǒng)在許多情況下是有用的，可以為我們提供對自己有用但是自己不了解的商品。但是用戶購買商品往往會帶有一定的目的和偏好性，如果購買到不符合自己期望的商品就會大大降低購物體驗。因此，為了使用戶直接可以買到最稱心如意的商品，我們使用了基于評論分析的技術(shù)，通過挖掘評論中的有用信息對用

2、戶進行相應的推薦。本文的主要貢獻點如下：
　　 第一，獲取顯式評價對象?，F(xiàn)有的典型方法是構(gòu)建以形容詞短語和名詞短語為基礎(chǔ)搭配的語法模式，本文通過對大量評論進行句法分析，在常用漢語語法模式下，增加了動詞短語形式的語法模式，從而可以對顯式評價對象和相應的評價詞進行更有效的抽取。
　　 第二，獲取隱式評價對象?，F(xiàn)有的研究均聚焦于顯式評價對象的抽取，往往忽略了隱式評價對象抽取的研究，但現(xiàn)實中往往存在大量無顯式評價對象的評論(即只

3、含有評價短語而未寫明評價對象)，對于這一問題，本文對特定領(lǐng)域產(chǎn)品評論進行分析，建立了從評價詞到相應評價對象的映射集合，這樣，對于只有評價詞的評論短句可以自動獲取相應的評價對象。
　　 第三，規(guī)范商品屬性的情感傾向識別流程并細化識別結(jié)果?，F(xiàn)有的研究通常是分別計算出每個評價對象的評價傾向，這樣就會存在過多的評價結(jié)果，從而未能使用戶得到清晰明確的結(jié)果，本文在計算出評價詞的極性值后，又構(gòu)建了商品屬性詞典和對應的產(chǎn)品特征樹，將每個商品屬性

4、的不規(guī)范表達和子屬性規(guī)約為規(guī)范化的大屬性，并使用聚類算法對商品的每個屬性進行聚類，最后得到評論中每個屬性的用戶滿意度區(qū)間，即將其聚類為非常好，不錯，一般，差，很差五個大類，并顯示出每個大類所占的比例，從而提供給用戶一個非常清晰的結(jié)果。
　　 第四，對評論分析的主要步驟進行了實驗的驗證，證明本文所用方法的合理性和有效性，最后設(shè)計了最終的推薦系統(tǒng)。用戶可以給出所關(guān)心的商品屬性的優(yōu)先級，系統(tǒng)利用前面章節(jié)介紹的評論分析處理技術(shù)，并結(jié)合多