[发明专利]一种基于商品方面级情感挖掘和模糊决策的产品推荐方法

说明书

本发明涉及互联网技术领域，尤其涉及一种基于商品方面级情感挖掘和模糊决策的产品推荐方法、装置、计算机设备和存储介质，该方法包括：获取每个待排序商品的评论数据，从中提取各个属性对应的所有特征词‑观点词对；基于各个特征词‑观点词对的正、负情感倾向，计算每个商品每个属性上的区间型毕达哥拉斯模糊数，组成情感决策矩阵；利用Heronian算子，建立综合情感决策矩阵、用户对于各属性的偏好以及属性间相关性的评分模型；利用评分模型得到每个商品的评分结果，根据评分结果对商品进行排序。该方法能够通过分析在线商品评论，快速针对用户不同偏好自动生成产品排序，实现产品推荐。

技术领域

本发明涉及互联网技术领域，尤其涉及一种基于商品方面级情感挖掘和模糊决策的产品推荐方法、装置、计算机设备和存储介质。

背景技术

随着互联网和电子商务的快速发展，网上购物在当代社会成为了一种主流的消费方式。与传统线下购物方式不同，消费者无法通过直接观察或者亲身体验来评估在线商品的各个属性。这种情况下，在线商品评论就成了广大消费者评判商品的一种非常有效的信息源。通过分析其他已购买商品的消费者分享在电商网站上的评论，消费者可以了解到其他人对该商品的各个属性的满意程度，进而估计出该商品的各个属性能够多大程度满足自身需求，最后结合自己的实际需求来做出最终的购买决策。

然而，分析这些浩如烟海的商品评论通常十分耗时耗力，从中查找有效信息对于消费者来说十分不便，效率极低。如何快速智能地从大量商品评论中自动化总结出商品各个属性的性能，并依据消费者对不同属性的偏好给出相应的产品推荐，成为广大消费者和在线商家普遍关心的一个问题。

发明内容

本发明的目的是针对上述至少一部分问题，提供一种能够通过分析在线商品评论，基于商品方面级情感挖掘和模糊决策高效地自动生成产品排序的产品推荐方法、装置、计算机设备和存储介质。

为了实现上述目的，本发明提供了一种基于商品方面级情感挖掘和模糊决策的产品推荐方法，所述方法包括：

步骤1、获取每个待排序商品的评论数据，从中提取各个属性对应的所有特征词-观点词对；

步骤2、基于各个特征词-观点词对的正、负情感倾向，计算每个商品每个属性上的区间型毕达哥拉斯模糊数，组成情感决策矩阵；

步骤3、利用Heronian算子，建立综合情感决策矩阵、用户对于各属性的偏好以及属性间相关性的评分模型；

步骤4、利用评分模型得到每个商品的评分结果，根据评分结果对商品进行排序。

优选地，所述步骤1进一步包括：

步骤1-1、从评论数据中抽取特征词、观点词；

步骤1-2、将抽取得到的特征词、观点词进行匹配，得到特征词-观点词对；

步骤1-3、确定各个特征词-观点词对的情感倾向；

步骤1-4、根据对应的属性，将所有特征词-观点词对进行聚类。

优选地，所述步骤1-1进一步包括：

对于评论数据中缺少特征词、包含观点词的语句，将其作为第一类观点表达句，抽取其中的观点词；

对于评论数据中包含特征词及观点词的语句，将其作为第二类观点表达句，抽取其中的特征词、观点词；

对于评论数据中包含特征词、缺少观点词的语句，将其作为第三类观点表达句，抽取其中的特征词。

优选地，所述步骤1-2进一步包括：

对于第一类观点表达句中抽取得到的观点词，将其特征词设为空，构成特征词-观点词对；