基于用戶評(píng)論評(píng)分與信任度的協(xié)同過(guò)濾算法研究.pdf

1、在眾多的個(gè)性化推薦算法中，協(xié)同過(guò)濾算法依靠其可利用群體智慧進(jìn)行物品推薦的特點(diǎn)，受到了廣泛的研究和關(guān)注。但傳統(tǒng)的協(xié)同過(guò)濾算法往往會(huì)受到數(shù)據(jù)稀疏問(wèn)題的影響，針對(duì)用戶評(píng)分?jǐn)?shù)據(jù)稀少的情況，很難進(jìn)行準(zhǔn)確的評(píng)分預(yù)測(cè)和物品推薦，而一條真實(shí)可靠的評(píng)論文本可以包含極為豐富的用戶偏好和物品特征信息，因此基于評(píng)論信息分析進(jìn)行評(píng)分預(yù)測(cè)的研究工作受到越來(lái)越多研究人員的關(guān)注。針對(duì)現(xiàn)有基于評(píng)論分析推薦算法中的虛假評(píng)論問(wèn)題和傳統(tǒng)協(xié)同過(guò)濾算法中的數(shù)據(jù)稀疏問(wèn)題，本文通過(guò)分

2、析用戶評(píng)論所包含的主題分布和反饋信息，將改進(jìn)的用戶偏好和信任度引入傳統(tǒng)協(xié)同過(guò)濾算法中，提出了基于用戶評(píng)論評(píng)分與信任度的協(xié)同過(guò)濾算法。
　　本文主要工作如下：
　　①介紹了本文中算法的研究背景，對(duì)當(dāng)前個(gè)性化推薦技術(shù)的發(fā)展?fàn)顩r進(jìn)行了分析，著重分析了幾種主流的推薦算法，并對(duì)常見(jiàn)的推薦系統(tǒng)實(shí)驗(yàn)方法和評(píng)測(cè)指標(biāo)進(jìn)行了闡述。
　?、诮榻B了基于文本主題分析的LDA模型，對(duì)用戶評(píng)論信息中的主題分布進(jìn)行了分析，并詳細(xì)介紹了基于物品和基于用

3、戶的傳統(tǒng)協(xié)同過(guò)濾算法。
　?、厶岢隽嗽u(píng)論差異度、評(píng)論幫助度、以及改進(jìn)的用戶偏好等概念，并基于用戶評(píng)分?jǐn)?shù)據(jù)計(jì)算用戶信任度，將改進(jìn)的用戶偏好和用戶信任度相結(jié)合，利用傳統(tǒng)協(xié)同過(guò)濾算法的基本思想，設(shè)計(jì)出了基于評(píng)論評(píng)分與信任度的協(xié)同過(guò)濾算法。
　　④將本文提出的算法在亞馬遜電子設(shè)備評(píng)論數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)驗(yàn)證，并將實(shí)驗(yàn)結(jié)果與現(xiàn)有的其他算法進(jìn)行了對(duì)比和分析。
　　實(shí)驗(yàn)結(jié)果表明，相比于現(xiàn)有基于評(píng)論主題分析的算法和傳統(tǒng)的協(xié)同過(guò)濾算法，本