[发明专利]基于评论整合挖掘的商品精细化推荐方法

权利要求书

1.基于评论整合挖掘的商品精细化推荐方法，其特征在于，将评论文本中包含的用户对商品各方面的见解整合到推荐过程中，从商品的特质层面上解析用户和商品，首先采用评论挖掘方法从商品的评论文本中挖掘出用户对商品特质级的情感信息，然后采用这些挖掘出的情感信息分别构建用户偏好模型和商品特质模型，从而更准确的衡量用户和商品间的相近度，最后将基于邻近用户和基于邻近商品的预测评分通过全局权重法融合起来，更全面的从用户主观性和商品客观性来为用户推荐；

本发明包括：一是商品评论解析挖掘，二是基于评论挖掘和用户的协同推荐，三是基于评论挖掘和商品的协同推荐，四是基于评论挖掘的混合推荐方法，首先从用户的角度，通过对商品评论数据的解析和挖掘，构建用户的偏好模型，依据用户的偏好模型来计算用户间相近度，通过用户相近度寻找邻居用户集进行基于用户的协同过滤推荐，然后从商品的角度，通过对商品评论数据的解析和挖掘，抽取商品的特质-情感词对来构建商品的特质模型，并依据商品的特质模型来计算商品间相近度，通过商品相近度寻找邻居商品集进行基于商品的协同过滤推荐，最后，融合用户和商品的因素，将基于用户的协同过滤与基于商品的协同过滤结合起来，整合两者进行混合推荐；

商品评论解析挖掘包括：评论数据的前置处理、特质-情感词对的提取、商品特质过滤、情感倾向解析四个步骤；

基于评论挖掘和用户的协同过滤推荐：首先通过商品评论解析挖掘的方法提取出用户的特质-情感词对集合，然后通过获取用户偏好计算用户间相近度，最后基于相近用户的评分预测目标用户评分进而产生推荐；

基于评论挖掘和用户的协同过滤推荐：首先通过商品评论解析挖掘方法提取出商品的特质-情感词对集合，然后通过量化商品特质计算商品间相近度，最后基于相近商品的评分预测目标用户评分进而产生推荐；

基于评论挖掘的混合推荐方法将用户的偏好信息和商品的特质信息结合起来进行混合模型推荐，包括：混合推荐方法流程和混合推荐的评分预测。

2.根据权利要求1所述的基于评论整合挖掘的商品精细化推荐方法，其特征在于，通过挖掘整合用户评论，获取评论中隐含的语义信息，缓解传统协同过滤算法的数据稀疏性问题，首先通过评论挖掘的方法处理用户评论，针对用户对商品的评论来提取用户对商品特质层面的观点，构建用户的偏好模型和商品特质模型，然后基于用户偏好和商品特质分别提出两种不同的基于评论挖掘的推荐方法，一个是基于评论挖掘和用户的协同推荐方法，一个是基于评论挖掘和商品的协同推荐方法，最后采取全局权重法将两者融合在一起，基于用户偏好模型和商品特质模型来分别计算用户间和商品间相近度；

本发明将评论挖掘与传统的协同过滤的推荐方法相结合，从用户偏好和商品的特质层面上来解析用户和商品，缓解数据稀疏和推荐准确性问题，具体包括：一是通过对用户评论的挖掘和解析，获取用户偏好，然后根据获取的用户偏好计算用户之间的相近度，本发明对现有技术的协同过滤算法的改进包括在计算用户相近度时不再基于用户间共同评分项，而是基于用户的偏好，改进的基于用户的方法缓解数据稀疏为用户间相近度计算带来的不利影响；二是通过对商品评论的挖掘和解析，构建商品的特质模型，在计算商品相近度时不再基于商品间共同评分项，而是基于商品特质，通过改进商品间相近度计算方法提高商品相近度计算的准确性，进而提高推荐效果；三是为综合考虑用户主观因素和商品客观因素，将基于评论挖掘和用户的协同过滤与基于评论挖掘和商品的协同过滤结合，产生混合模型进行推荐。