[发明专利]基于情感分析的混合用户评分信息推荐方法及其推荐装置

说明书

本发明公开了一种基于情感分析的混合用户评分信息推荐方法及其推荐装置，所述混合用户评分信息推荐方法包括以下步骤：通过用户共同评分的商品计算相似度，得到用户评分相似度；以及通过文本的情感倾向以及情感相似度来计算情感相似度；结合情感相似度和用户评分相似度，得到综合相似度；通过综合相似度获取用户对商品的预测评分。所述混合用户评分信息推荐装置包括：第一获取模块、第二获取模块、第三获取模块和第四获取模块。本发明在增加了用户评论的情感分析后，可以得到更准确的预测评分，从而达到改善传统的协同过滤方法的目的。最终实验结果表明，本方法比基于用户的协同过滤推荐算法结果更准确。

技术领域

本发明涉及数据挖掘、自然语言处理和信息检索领域，尤其涉及一种基于情感分析的混合用户评分信息推荐方法及其推荐装置。

背景技术

目前在推荐方法相关技术中，推荐方法主要包括：基于协同过滤的推荐方法。该方法的效果较好，是目前应用较多的方法之一；它通过计算用户的相似度，对用户进行聚类，拥有相同聚类标签的用户之间的兴趣相近，为向用户推荐所需的商品打下了基础。例如：网球群中的某一用户购买了某个著名品牌的网球拍，对网球群中的其他用户推荐该网球拍。由于协同过滤方法的不俗表现，基于该方法的推荐系统在电子商务领域得到了广泛应用。

协同过滤方法的缺陷在于它的实现需要对用户的评价信息进行分析处理，但实际上由于电子商务网站的评论信息量巨大、商品信息庞大，导致了信息不对称；同时容易出现许多商品的评论信息极少，而热门商品的评论信息又很多的情况，从而导致评价信息不准确，进而影响到推荐结果的准确性。

发明内容

本发明提供了一种基于情感分析的混合用户评分信息推荐方法及其推荐装置，本发明能够有效克服传统推荐方法在计算用户之间的相似度时，往往只考虑两个用户共同评分的所有项目，而忽略了用户情感的相似性，详见下文描述：

一种基于情感分析的混合用户评分信息推荐方法，所述混合用户评分信息推荐方法包括以下步骤：

通过用户共同评分的商品计算相似度，得到用户评分相似度；以及通过文本的情感倾向以及情感相似度来计算情感相似度；

结合情感相似度和用户评分相似度，得到综合相似度；

通过综合相似度获取用户对商品的预测评分。

进一步地，在通过文本的情感倾向以及情感相似度来计算情感相似度的步骤之前，所述混合用户评分信息推荐方法还包括：

通过二阶马尔科夫链对数据文本进行分词处理，获取分词后的训练集；

将所得到的训练集进行分类，获取文本的情感倾向以及情感相似度。

所述将所得到的训练集进行分类，获取文本的情感倾向以及情感相似度的步骤具体为：

对分词后的训练集用朴素贝叶斯分类算法进行分类学习，输出训练集与分类类别之间的映射关系；

根据特征词和主题间的相似性，获取情感词的极性、表达情感的强烈程度，判断文本的情感倾向。

所述通过用户共同评分的商品计算相似度，得到用户评分相似度的步骤具体为：

通过计算用户之间的相似行为得到余弦相似性，再根据余弦相似性提出用户评分相似度。

进一步地，所述混合用户评分信息推荐方法还包括：验证预测评分的准确度。

一种基于情感分析的混合用户评分信息推荐装置，所述混合用户评分信息推荐装置包括：

第一获取模块，用于通过用户共同评分的商品计算相似度，得到用户评分相似度；

第二获取模块，用于通过文本的情感倾向以及情感相似度来计算情感相似度；