检索结果-南通市图书馆

华东师范大学学报（自然科学版） 2024年第2期 53-64页

作者：冯路平施力业吴雯郑骏胡文心郑巍华东师范大学数据科学与工程学院上海200062 华东师范大学计算机科学与技术学院上海200062 华东师范大学信息化治理办公室上海200062

基于评论的推荐系统是一种主要通过挖掘文本信息抽取物品特征和用户偏好,以提高性能的推荐系统方法.现存的大多数方法忽略了撰写评论的陌生人信息,引入陌生人信息可以更准确地衡量用户的相对感受并对目标用户的表达进行补充,从而进行更... 详细信息

基于评论的推荐系统是一种主要通过挖掘文本信息抽取物品特征和用户偏好,以提高性能的推荐系统方法.现存的大多数方法忽略了撰写评论的陌生人信息,引入陌生人信息可以更准确地衡量用户的相对感受并对目标用户的表达进行补充,从而进行更精细的用户建模.近年来,一些研究尝试整合相似陌生人的信息,但忽略了对其他陌生人信息的利用.提出了基于偏好级别陌生人信息辅助的推荐系统模型CSRR(collaborative stranger review-based recommendation),利用陌生人信息,更加准确地对用户建模并进行适当扩展,提升了推荐性能.具体地,为了准确捕捉用户的偏好,首先,设计了一个基于陌生人信息辅助的注意力模块,该模块不仅考虑了评论文本的相似性,也考虑了目标用户与撰写评论的陌生人之间的偏好交互作用;其次,一个基于陌生人信息过滤的门控模块根据目标用户–物品对的特征,在偏好级别动态整合陌生人信息,有效地过滤了陌生人的偏好信息以及丰富目标用户的建模;最后,应用隐因子模型(latent factor model,LFM)来完成评分预测任务.实验结果说明CSRR模型在多个来源的真实数据集上均具有较高的预测准确度.

关键词：基于评论的推荐系统陌生人信息注意力机制门控机制

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于文本挖掘的多准则推荐系统

基于文本挖掘的多准则推荐系统

引用

作者：朱艳琳天津大学

学位级别：硕士

随着互联网的不断发展和普及,可用的信息量急剧增加,从而导致了信息过载等问题。为了解决这一问题,能够根据用户历史评分数据自动为用户进行推荐的个性化推荐系统应运而生。然而,在真实的电子商务环境中,由于很难获得足够的评分信息,从... 详细信息

随着互联网的不断发展和普及,可用的信息量急剧增加,从而导致了信息过载等问题。为了解决这一问题,能够根据用户历史评分数据自动为用户进行推荐的个性化推荐系统应运而生。然而,在真实的电子商务环境中,由于很难获得足够的评分信息,从而极易引起数据稀疏的问题。因此,为了解决这个问题,其他丰富的用户评价内容也逐渐被应用于用户建模和生成推荐的过程中。本文提出了两种基于文本评论的推荐方法,即直接利用评论进行推荐和将评论转化为评分的方法。其中,将评论转化为评分的推荐算法FSRI从用户评论中提取情感强度代替数值评分,对传统的基于记忆的协同过滤推荐进行了完善和扩展。另一种方法,直接利用评论进行推荐的算法FSCD则直接利用用户评论中的文本内容构建用户和项目模型。两种方法都用到了本文提出的模糊情感强度的计算方法,该方法基于知网的情感词典,为不同的词语赋予了不同的情感强度。不仅如此,文本重点关注用户的多准则偏好,本文为在线评论分类提出了一个半监督式的框架,使用信息增益(IG)来进行特征选择和支持向量机(SVM),以确定每一个句子属于哪个类别的准则。此外,我们还将用户之间或用户和项目之间的相似性扩展到了多准则推荐领域。相比现有的基于评论的推荐算法,本文提出的方法有两个主要的优势。首先,我们强调了从用户评论中挖掘出的多准则偏好,更加准确的完善构建了用户模型,描述了用户的偏好。其次,我们利用了模糊逻辑方法来解决自然语言描述中的不准确、含糊等问题。实验结果表明,本文提出的两种方法在推荐结果的各个方面均有良好表现,并且在大多数情况下,直接利用评论信息进行推荐的算法要优于将评论转化为评分的推荐算法。

关键词：基于评论的推荐系统情感强度计算多准则偏好

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

陌生人信息辅助下基于评论的推荐算法研究

陌生人信息辅助下基于评论的推荐算法研究

引用

作者：冯路平华东师范大学

学位级别：硕士

随着互联网的普及,人们面临信息爆炸的挑战,如何处理海量信息成为一大难题,推荐系统应运而生。按照用户的过往评分情况对其偏好进行挖掘,提供个性化的内容推荐,大大节约了用户的时间和精力。基于评论的推荐系统则是在传统推荐系统的基... 详细信息

随着互联网的普及,人们面临信息爆炸的挑战,如何处理海量信息成为一大难题,推荐系统应运而生。按照用户的过往评分情况对其偏好进行挖掘,提供个性化的内容推荐,大大节约了用户的时间和精力。基于评论的推荐系统则是在传统推荐系统的基础上利用评论中的信息进行推荐。评论不仅可以表达用户对物品的评价,也可以提供物品的特征信息,从而提高推荐系统的准确性。近年来,有许多研究致力于利用评论增强推荐系统的性能,尽管取得了一定的效果,但仍然具有一些不足。例如:(1)这些方法利用评论文本进行建模,却忽略撰写评论文本陌生人的偏好信息。而陌生人与当前目标用户的偏好差异会影响评论文本在推荐中的重要程度。只利用文本信息而忽视其来源,这样对评论生成的建模是片面的。(2)现有的工作往往关注评论文本的内容却忽视了撰写评论的陌生人的心理状态、表达方式等的差异。这种陌生人之间的差异使得针对同一物品的评论呈现不同的语言风格。语言风格在一定程度上影响着内容的表达。要对评论内容进行准确理解,评论风格应是绕不过的话题。围绕上述问题,本文进行以下研究工作:(1)提出基于陌生人偏好的推荐模型CSRR:本工作关注到撰写评论的陌生人本身的偏好信息对于评论建模的影响。如果陌生人与目标用户的偏好相近,则该陌生人撰写的评论更有可能符合目标用户感受,因此设计了一个基于陌生人偏好的注意力机制以准确建模评论重要性。其次,考虑到陌生人的偏好信息对于目标用户的补充作用,采取门控机制对陌生人的偏好信息进行动态融合,以丰富用户建模,尽可能捕获用户的偏好。最终,模型在数据集上取得的均方误差值相较最好基线有2.08%的提升。(2)提出基于陌生人评论风格的推荐模型ISR:本工作关注由于陌生人不同带来的风格信息异质性对评论内容建模的影响。物品的评论是来自不同陌生人的,所以这些评论具有各异的风格。为了避免风格信息对评论内容表达的限制,设计了一个多任务框架对风格信息进行提取并去除,得到评论的内容表示。此外,考虑到风格作为用户建模的重要特征,采用门控循环单元对用户级风格进行抽取,以表达目标用户相关信息。经实验验证,模型在数据集上取得的均方误差值相较最好基线有1.68%的提升。(3)构建基于评论的推荐系统可视化原型:本工作旨在对所提出模型的推荐过程进行展示,验证模型的应用性和可行性。首先对目标用户信息进行展示,然后针对两个推荐方法分别展示推荐结果和作为推荐依据的重要评论,以直观展示推荐的过程。该原型系统有助于验证算法的可行性并提供可解释性。综上所述,本文针对现有的基于评论的推荐系统方法忽略陌生人信息这一缺陷,从陌生人的偏好和评论风格两个角度出发分别构建了两个基于评论的推荐系统模型。同时,设计并实现了一个基于评论的推荐系统可视化原型系统,对两种推荐方法进行集成,以验证所提出的两个模型的可行性,提高可解释性。

关键词：深度学习基于评论的推荐系统偏好信息语言风格陌生人

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：