基于在线评论的混合推荐算法

• 作者: 刘晓燕 单晓红 张晓月 王春稳
• 来源期刊: 系统工程
• 学科: 社会科学
• 关键词: 混合推荐 在线评论 用户偏好
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 方法与应用
• 页码范围: 130-138
• 页数: 9页
• 分类号: C931
• 语种: 中文

摘要

web2.0的快速发展使得网络数据剧增,全方位刻画用户特征、分析用户偏好信息并对用户进行产品推荐成为企业和客户的迫切需要,个性化产品推荐应运而生.目前的推荐算法大多以评分数据作为获取偏好的来源,主要根据用户偏好模型评估推荐效果的好坏.本文以产品在线评论为基础,通过特征属性的情感分析补充用户对产品的倾向性意见,基于内容推荐算法根据用户评分和在线评论构建用户偏好模型与产品特征模型.以协同过滤算法为框架,结合多种相似度算法构建了基于用户偏好与产品特征的混合推荐算法.采集携程网的数据进行实验,验证了模型良好的推荐精确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	单晓红		38	173	7.0	12.0
2	刘晓燕		48	325	8.0	16.0
3	王春稳		2	0	0.0	0.0
4	张晓月		3	48	2.0	3.0