基于用戶行為反饋的服務偏好挖掘方法研究.pdf

1、在數字化經濟快速發(fā)展的趨勢下,在市場環(huán)境競爭中,如何才能讓服務提供商與服務使用者之間的相互交互得到更進一步的提升,對于服務提供商來說有著非凡的意義。服務提供商正在面臨著這樣一個問題,如何根據服務使用者來對每一個用戶提供針對性的商品或服務。
　　這當中最能解決這個問題的就是個性化服務。個性化服務通過收集和分析用戶服務信息進行用戶偏好的學習;通過提供推送高質量的服務,培養(yǎng)忠實用戶以及吸引更多的新用戶。一個受用戶青睞的個性化推薦系統(tǒng)不僅

2、需要高超的推薦技術,而且需要準確性高的用戶數據。選擇用戶偏好模型,這樣系統(tǒng)就能夠很好的理解用戶興趣、偏好以及各種用戶信息,是個性化服務的基礎。用戶在網絡購物時的各種行為與反饋中發(fā)現用戶興趣偏好,獲取高質量用戶偏好信息,是當前個性化推薦系統(tǒng)關鍵問題之一。
　　本文主要是研究根據用戶使用購物網站的瀏覽行為,用戶對商品的評價反饋信息充分挖掘用戶對于服務的偏好,形成用戶較為完整的偏好模型,并以實例研究進行驗證,使得該方法能夠指導并實現一套

3、完整的用戶偏好挖掘模型,從而被個性化服務領域所應用。
　　本文明確了建立用戶服務偏好模型是為個性化推薦系統(tǒng)提供偏好依據的重大意義。研究了用戶服務偏好的表示模型,包括用戶服務偏好模型的定義,用戶服務偏好模型的表示方法,提出基于層次向量空間的用戶偏好表示模型以及更新原理。該模型可以充分描述用戶偏好的層次關系,模型的更新可以調整用戶興趣偏好的準確性。
　　最大程度的準確表述出用戶對商品類型以及特定商品類型的屬性偏好。該模型可以再個

4、性化推薦系統(tǒng)中為用戶推薦合理的偏好商品,以提高推薦準確率。在明確用戶服務偏好模型之后,本文將多屬性決策的方法來挖掘用戶服務行為的偏好。在說明用多屬性決策來基于用戶行為挖掘偏好的優(yōu)勢,以及對多屬性決策進行概述,描述了對屬性決策的理論基礎,介紹了對屬性決策的決策方法中最重要的方法—簡單加權法的基礎上,本文提出了簡單加權法的逆過程—逆向加權法。
　　本文根據用戶網絡購物的行為獲得商品排名,根據逆向加權法的思想對排名商品進行用戶偏好的挖掘

5、,得到用戶對商品的偏好信息。用戶在購物網站上購買商品后,會對商品進行簡單的評價反饋。本文提出根據用戶的評價反饋來挖掘用戶對所購商品的偏好。首先本文對中文商品評價反饋做簡要的共性分析。然后提出對商品評論進行屬性詞和觀點詞提取的方法,本文用中國科學院計算技術研究所研制出了漢語語法分析系統(tǒng)ICTCLAS對評論句進行分詞和詞性分析,用最近鄰匹配算法來獲取屬性詞和觀點詞。
　　之后我們對觀點詞進行極性分析,研究了常用的極性分析方法,主要介紹