[发明专利]一种基于用户评分分析的推荐方法

说明书

本发明公开了一种基于用户评分分析的推荐方法，该方法包含如下步骤：S1，采集用户对商品或者项目的评价信息；S2，对评论信息中的主题、情感词、以及情感倾向进行提取、分析与量化，具体包括提取评论主题、抽取情感词、对用户的主题情感词向量进行量化处理，从而得出关于用户、项目、主题和情感值的四元向量；S3，找出用户之间有共同评论的项目，依次对共同评论的项目和主题进行分析计算，利用皮尔森相关性系数，计算得出用户之间在所述项目的情感相关性，得到用户间的信任关系值；S4，对用户自主管理信任的好友列表，同时根据信任关系的变化情况来挖掘用户短期兴趣的迁移；S5，根据所述的用户短期兴趣的迁移生成推荐列表。

技术领域

本发明涉及数据科学领域，特别涉及一种基于用户评分分析的推荐方法。

背景技术

随着互联网技术的发展，信息过载已成为当前用户面临的一个重要难题，个性化推荐技术的出现为解决电子商务领域的信息过载问题提供了一种非常有效的手段。推荐技术能有效的为用户提供个性化的主动推荐服务，已被广泛地应用到电子商务及其他相关领域。近几年来，国内外学者对推荐系统进行了深入的研究，取得了丰硕的成果，包括对推荐系统结构和模型的讨论，提出新的方案，对现有的方案进行分析和改进等。目前主流的推荐技术有3中：基于内容的推荐，协同过滤推荐以及混合策略推荐。其中，协同过滤算法根据用户的历史评价数据进行推荐，避免了对项目属性的文字描述。凭借算法的简单性，实现的便捷性以及推荐的准确性等优点，协同过滤已经成为目前广泛应用的一项个性化推荐技术。

传统的协同过滤技术由于依赖用户的评分数据，而许多用户往往会在交互活动结束之后放弃评价，这就会给推荐效果造成一定的影响，而且在电商平台的实际交易过程中，用户对一个商品打出比较差的星级，往往并不是用户对商品本身有什么不好的感觉，有可能是对店家，快递服务商等有不好的购物体验，因此这会对相似度的计算造成负面的影响。所以传统推荐技术在具体的应用过程中存在着许多问题，比如数据稀疏性、冷启动、用户兴趣偏好迁移等问题，这些问题的存在降低了系统的准确性和用户对个性化服务的满意度，也削弱了用户对系统的信任程度。

为了提高系统推荐的准确性，增强用户对推荐系统的信心和接收程度，本发明在现有研究成果的基础上，发明一种全新的推荐系统，该系统试图从在线用户评论信息着手，通过分析用户的感情倾向，得到用户间潜在的情感相似性权重，并将情感相似性权重有效结合到传统的协同过滤推荐算法中，以达到提高推荐准确率和增强用户对体统的信息的目的。本发明包括如下系统模块：爬虫工具模块、主题提取模块、情感词提取模块、词向量处理模块、信任关系建模模块、信任关系管理模块、推荐引擎。

发明内容

本发明的目的是提供一种基于用户评分分析的推荐方法，试图从在线用户评论信息着手，通过分析用户的情感倾向，得到用户间潜在的情感相似性权重，并将情感相似性权重有效结合到传统的协同过滤推荐算法中，以达到提高推荐准确率和增强用户对系统的信心的目的。

为了实现以上目的，本发明是通过以下技术方案实现的：

一种基于用户评分分析的推荐方法，其特点是，该方法包含如下步骤：

S1，采集用户对商品或者项目的评价信息；

S2，对评论信息中的主题、情感词、以及情感倾向进行提取、分析与量化，具体包括提取评论主题、抽取情感词、对用户的主题情感词向量进行量化处理，从而得出关于用户、项目、主题和情感值的四元向量；

S3，找出用户之间有共同评论的项目，依次对共同评论的项目和主题进行分析计算，利用皮尔森相关性系数，计算得出用户之间在所述项目的情感相关性，得到用户间的信任关系值；

S4，对用户自主管理信任的好友列表，同时根据信任关系的变化情况来挖掘用户短期兴趣的迁移；

S5，根据所述的用户短期兴趣的迁移生成推荐列表。

所述的步骤S2包括：