收藏本站
《计算机学报》 2019年06期
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于用户评论的深度情感分析和多视图协同融合的混合推荐方法

张宜浩  朱小飞  徐传运  董世都  
【摘要】:目前,大多数推荐技术使用用户评分来推断用户偏好.当有充足的评分信息时,协同过滤技术表现良好.然而,评分数据普遍存在着稀疏性,或者难以让用户将其偏好表示为对物品的评分等级,故有效性受到限制.基于内容的推荐方法依据物品的内容来寻找与目标用户喜欢的物品内容相似的物品.在目标用户没有充足的历史数据的情况下,该方法仍然不充分,其推荐效果也很有限.当前,融合多视图的兴趣偏好信息构建混合推荐系统是个性化推荐研究发展的趋势.混合推荐系统通过融合用户物品的交互评分、隐式反馈和辅助信息进行个性化推荐,故本文提出了一种新颖的基于用户评论的深度情感分析和多视图协同融合的混合推荐方法.针对用户评论、物品内容描述等短文本的情感及语义难以分析,单一推荐视图易导致对用户画像建模粗放等问题,本文利用词向量对用户评论的短文本进行分布式表征,并结合长短期记忆网络实现从上下文语义层面对用户评论的情感进行分析.同时,本文提出基于观点预过滤和基于用户评分嵌入的情感融合方法,设计了一种嵌入的网络结构对用户评论进行深层语义分析和情感计算,以解决用户评分与真实兴趣偏好存在较大偏差、评分等级分布极度不均衡等问题.此外,本文利用分布式的段落向量表征对物品内容描述的短文本进行相似度计算,并设计了候选物品相似性的计算方法及度量K个最近邻物品的方法,解决了推荐系统中物品的内容信息不易挖掘和利用的问题.最后,本文提出了一种基于协同训练的融合用户评分、情感倾向和物品内容信息的混合推荐算法,实现对稀疏的用户评分矩阵的循环填充和修正,进而实现基于评分预测的TopN推荐.该方法解决了混合推荐系统中不同兴趣偏好的多推荐视图难以融合的问题,同时在一定程度上解决了推荐系统建模中缺乏足够的有标签数据问题.本文在亚马逊数据集上进行实验,与多种经典的和当前先进的推荐算法进行性能对比,采用平方误差、命中率和标准化折扣累积增益进行性能评价.实验结果表明,本文提出的算法在挖掘用户情感上效果显著;在10个推荐数据集上,系统的评分预测和TopN推荐指标皆有不同程度的显著改进.

【相似文献】
中国期刊全文数据库 前10条
1 段桂江;孙飞;唐晓青;;集成质量系统与企业资源计划系统的多视图融合机制研究[J];计算机集成制造系统;2005年12期
2 邓强;杨燕;王浩;;一种改进的多视图聚类集成算法[J];计算机科学;2017年01期
3 罗爱民;罗雪山;黄力;;基于多视图的信息系统体系结构描述方法研究[J];计算机科学;2007年02期
4 胡树根,李涨生,卓守鹏,董进;一种基于约束的多视图尺寸驱动方法及实现[J];中国机械工程;1998年07期
5 石艳玲;单文档多视图的多种实现方式[J];计算机应用研究;1999年10期
6 邱立坤;金澎;王厚峰;;基于依存语法构建多视图汉语树库[J];中文信息学报;2015年03期
7 任振娜;;怎样在VC++中创建基于SDI多框架多视图[J];电脑编程技巧与维护;2009年03期
8 夏钮琛;胡洁;王伟明;彭颖红;詹振飞;戚进;;基于转换表的物料清单多视图映射方法[J];上海交通大学学报;2008年04期
9 陈平;孙立镌;梁宗学;;特征转换在多视图维护中的应用[J];哈尔滨理工大学学报;2006年02期
10 张中军;Visual C++6.0中实现三叉切分窗口与多视图[J];电脑编程技巧与维护;2004年04期
中国重要会议论文全文数据库 前10条
1 张秀芬;裴承慧;胡志勇;;在OpenGL中实现多视图表示[A];第十四届全国图学教育研讨会暨第六届制图CAI课件演示交流会论文集(下册)[C];2004年
2 赵旭;刘克;吴威;;多视图三维重建技术和不确定问题[A];第八届中国不确定系统年会论文集[C];2010年
3 唐帅;项志宇;马子昂;;基于多视图一致性低秩稀疏学习的视频目标跟踪[A];浙江省信号处理学会2015年学术年会论文集[C];2015年
4 米传民;彭鹏;单晓菲;马静;;考虑显式评分的基于二部图的推荐算法[A];第十七届中国管理科学学术年会论文集[C];2015年
5 秦国;杜小勇;;基于用户层次信息的协同推荐算法[A];第二十一届中国数据库学术会议论文集(技术报告篇)[C];2004年
6 王韬丞;罗喜军;杜小勇;;基于层次的推荐:一种新的个性化推荐算法[A];第二十四届中国数据库学术会议论文集(技术报告篇)[C];2007年
7 唐灿;;基于模糊用户心理模式的个性化推荐算法[A];2008年计算机应用技术交流会论文集[C];2008年
8 梁莘燊;刘莹;;基于效能的学术资源推荐算法研究[A];第六届(2011)中国管理学年会——信息管理分会场论文集[C];2011年
9 李诚;陈志军;;基于多视图像的岩心三维建模与虚拟展示初探[A];第十三届全国数学地质与地学信息学术研讨会论文集[C];2014年
10 王明文;陶红亮;熊小勇;;双向聚类迭代的协同过滤推荐算法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
中国重要报纸全文数据库 前1条
1 建行上海市分行 王慧;试析商业银行“协同过滤推荐算法”[N];上海金融报;2017年
中国博士学位论文全文数据库 前10条
1 王岳青;多视图学习算法和应用研究[D];国防科学技术大学;2017年
2 沈肖波;多视图嵌入学习方法及其应用研究[D];南京理工大学;2017年
3 李晋;基于多视图鉴别特征学习的分类算法[D];中国矿业大学(北京);2016年
4 田文;多视图图像的快速三维场景重建[D];华中科技大学;2010年
5 杨琬琪;多视图特征选择与降维方法及其应用研究[D];南京大学;2015年
6 任磊;推荐系统关键技术研究[D];华东师范大学;2012年
7 段春梅;基于多视图的三维模型重建方法研究[D];山东大学;2009年
8 丁永刚;融合多指标评分与多源文本的推荐算法研究[D];武汉大学;2018年
9 李文俊;时间感知的推荐算法研究[D];电子科技大学;2017年
10 伊华伟;基于可疑用户度量的鲁棒推荐方法研究[D];燕山大学;2016年
中国硕士学位论文全文数据库 前10条
1 金登科;基于多视图锚点图哈希技术的推荐算法研究[D];浙江大学;2016年
2 张屹然;基于划分模型的多视图聚类算法研究[D];南京师范大学;2018年
3 杨克;基于DWH模型对多模态数据的多视图度量学习方法研究[D];华南理工大学;2018年
4 廉亚红;加权的多视图聚类方法[D];大连理工大学;2018年
5 张祎;多视图矩阵分解的聚类分析[D];大连理工大学;2018年
6 张家瑞;多视图3D场景重建算法及应用[D];西安电子科技大学;2018年
7 江帆;多视图学习中的特征提取方法研究及其应用[D];南京航空航天大学;2018年
8 王浩;投影式超多视图光场三维显示系统设计与增透薄膜材料优化实现[D];重庆大学;2018年
9 籍晨晖;基于内部约束的多视图K-means聚类算法的研究与实现[D];北京工业大学;2018年
10 关俊鹏;图学习多视图聚类[D];兰州大学;2018年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026