融合评论标签的个性化推荐算法

• 作者: 廖祥文 林锦贤 王梦恬 陈国龙 魏晶晶
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 评论标签 产品特征 推荐算法
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 1429-1438
• 页数: 10页
• 分类号: TP391
• 字数: 8329字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1509076

摘要

传统的推荐算法大都从评论中挖掘用户兴趣或产品特征,然而由于评论形式自由,规则性差,导致从评论中获取有效信息较困难,推荐结果不理想.在电子商务等领域,评论标签作为一种新的评论方式已经被广泛使用.与评论相比,评论标签具有规则性强,信息密度大等特点,因此提出了一种融合评论标签的推荐算法.该算法从评论标签中挖掘用户对产品特征的观点,并利用其构建用户兴趣模型和产品特征模型,然后向用户推荐在他们感兴趣的特征上有较高评价的产品.与传统推荐算法进行对比,实验结果表明,融合评论标签的算法能有效地提高用户的覆盖率,并提升推荐算法的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈国龙	福州大学数学与计算机科学学院	120	1286	19.0	32.0
2	林锦贤	福州大学数学与计算机科学学院	42	220	8.0	13.0
3	廖祥文	福州大学数学与计算机科学学院	26	144	7.0	11.0
4	魏晶晶	福州大学数学与计算机科学学院	7	45	4.0	6.0
5	王梦恬	福州大学数学与计算机科学学院	1	18	1.0	1.0