基于奇异值分解的个性化评论推荐

• 作者: 余刚 王知衍 胡舒悦 蔡毅 邵璐
• 来源期刊: 电子科技大学学报
• 学科: 工学
• 关键词: 评论挖掘 评论推荐 奇异值分解 用户建模
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: Rootkit 研究综述
• 页码范围: 605-610
• 页数: 6页
• 分类号: TP391
• 字数: 5061字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0548.2015.04.022

摘要

针对如何让消费者在海量评论中快速找到自己感兴趣的评论，该文提出了一个基于奇异值分解的个性化评论推荐系统RevRecSys。该方法首先构建了用户-特征矩阵和评论-特征矩阵；然后利用矩阵分解技术把这两个矩阵压缩到隐因子向量空间；最后通过匹配用户的隐因子向量空间和评论的隐因子向量空间实现评论推荐。通过实验，验证了RevRecSys相比现有的方法，可以获得更好的推荐效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王知衍	华南理工大学计算机科学与工程学院	55	441	12.0	18.0
2	邵璐	西南财经大学经贸外语学院	21	315	8.0	17.0
3	蔡毅	华南理工大学软件学院	6	28	3.0	5.0
4	余刚	华南理工大学计算机科学与工程学院	2	36	2.0	2.0
5	胡舒悦	华南理工大学软件学院	1	16	1.0	1.0