融合用户兴趣及评论效用的评论信息推荐

• 作者: 聂卉 邱以菲
• 来源期刊: 图书情报工作
• 关键词: 信息推荐 评论效用预测 用户建模 在线评论
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 情报研究|INFORMATION RESEARCH
• 页码范围: 68-78
• 页数: 11页
• 分类号: P393.1|G202
• 语种: 中文
• DOI: 10.13266/j.issn.0252-3116.2021.10.008

摘要

[目的 /意义]Web 2.0时代,在线评论质量参差不齐和过载问题十分严重,人们从中获取有价值内容的认知成本越来越高.探究以信息推荐方式解决评论过载的有效方案,以提升网络信息利用率和信息服务质量.论文提出的评论排名推荐方案关注评论的信息质量,更强调对用户的个人信息需求的满足.[方法/过程]研究运用概率主题模型,引入词向量构建主题空间下的用户模型和评论模型,通过将其纳入评论感知效用评测系统,实现融合用户兴趣和评论质量的评论推荐,推荐效果通过系统实验予以检测.[结果/结论]实验结果表明,评论信息质量和用户个体的信息需求,共同作用于用户对评论感知效用的满意度;推荐策略实现了二者的有机融合,三组不同推荐模式下的评测效果显示,相较于单纯的"兴趣推荐"和"效用推荐","融合推荐"综合满意度得分最高.