基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
随着互联网技术的飞速发展,越来越多的信息和服务充斥着网络,如何实现精准高效的推荐,已成为亟待解决的问题之一.现有个性化电影推荐方法,将用户的历史评分作为推荐的重要依据,然而用户评分标准不一,很难挖掘出用户真正的喜好,难以形成精准推送.因此,为了实现高质量的电影个性化推荐,挖掘用户评论的情感就变得尤为重要.文中提出一种基于影评情感分析的个性化推荐方法,运用自然语言处理技术,挖掘用户影评情感倾向,将影评情感值与用户评分结合,共同计量用户喜好倾向.并利用点击率预估模型预测点击率,为用户提供个性化的推荐服务.实验结果表明,这种方法不仅有效解决了用户评分尺度不一等问题,且充分展现其个性化推荐的优越性.
推荐文章
大数据个性化推荐分析
大数据
个性化推荐
兴趣爱好
推荐算法
协同过滤
混合推荐
基于约束满足的个性化西服定制推荐系统
个性化定制
西服定制
需求获取
推荐系统
约束满足问题
基于读者个性化特征的图书馆书目推荐
读者
个性化特征
图书馆书目
协同过滤
兴趣模型
推荐业务
基于大数据的Web个性化推荐系统设计
大数据
Hadoop
Web个性化推荐
系统设计
Sqoop
H-ICRS算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于情感分析的个性化电影推荐
来源期刊 计算机技术与发展 学科 工学
关键词 电影推荐 情感分析 数据挖掘 点击率预估 个性化
年,卷(期) 2020,(9) 所属期刊栏目 应用开发研究
研究方向 页码范围 132-136
页数 5页 分类号 TP31
字数 语种 中文
DOI 10.3969/j.issn.1673-629X.2020.09.024
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 丁友东 86 368 11.0 13.0
2 黄剑波 11 14 3.0 3.0
3 陈方灵 2 0 0.0 0.0
4 吴利杰 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (82)
共引文献  (358)
参考文献  (11)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1951(2)
  • 参考文献(1)
  • 二级参考文献(1)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(5)
  • 参考文献(1)
  • 二级参考文献(4)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(16)
  • 参考文献(0)
  • 二级参考文献(16)
2008(10)
  • 参考文献(0)
  • 二级参考文献(10)
2009(5)
  • 参考文献(2)
  • 二级参考文献(3)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(4)
  • 参考文献(1)
  • 二级参考文献(3)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(9)
  • 参考文献(1)
  • 二级参考文献(8)
2014(5)
  • 参考文献(0)
  • 二级参考文献(5)
2015(2)
  • 参考文献(1)
  • 二级参考文献(1)
2016(11)
  • 参考文献(1)
  • 二级参考文献(10)
2017(4)
  • 参考文献(1)
  • 二级参考文献(3)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
电影推荐
情感分析
数据挖掘
点击率预估
个性化
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导