基于用户评论挖掘的产品推荐算法

被引：30

作者：

扈中凯

郑小林

吴亚峰

陈德人

机构：

[1] 浙江大学计算机科学与技术学院

来源：

浙江大学学报(工学版) | 2013年 / 47卷 / 08期

关键词：

评论挖掘; 产品特征属性; 用户偏好; 协同过滤; 相似度传递;

D O I：

暂无

中图分类号：

TP391.3 [检索机];

学科分类号：

081203 ; 0835 ;

摘要：

针对电子商务推荐系统中,互联网"信息过载"所造成的难以精确定位用户兴趣并提供准确产品推荐的问题,通过深入挖掘电子商务社区中丰富的用户评论信息,开发产品特征提取算法,建立用户兴趣偏好模型,结合用户历史评分数据来改善传统协同过滤推荐算法的推荐准确性;利用相似度传递技术在一定程度上缓解推荐系统中数据稀疏性带来的问题.实验结果表明,在数据稀疏的情况下,该算法仍可较好地拟合用户对产品的兴趣偏好,并在推荐准确性方面较传统的协同过滤算法有明显的提高.

引用

页码：1475 / 1485

页数：11

共 12 条

[1] Unsupervised named-entity extraction from the Web: An experimental study [J].