基于在线评论的个性化推荐系统

《基于在线评论的个性化推荐系统》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、电子科技大学UNIVERSITYOFELECTRONICSCIENCEANDTECHNOLOGYOFCHINA硕士学位论文MASTERTHESIS论文题目基于在线评论的个性化推荐系统学科专业管理科学与工程学号201021110129作者姓名李君指导教师石勇教授万方数据分类号密级注1UDC学位论文基于在线评论的个性化推荐系统（题名和副题名）李君（作者姓名）指导教师石勇教授电子科技大学成都（姓名、职称、单位名称）申请学位级别硕士学科专业管理科学与工程提交论文日期2013.04论文答辩日期2013.05学位授予单位和日期电子科技大学2013年06月2

2、9日答辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号。万方数据PERSONALIZEDRECOMMENDATIONSYSTEMBASEDONONLINEREVIEWSAThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:ManagementScienceandEngineeringAuthor:LiJunAdvisor:Prof.ShiYongSchool:SchoolofManagementandEconomicsofUESTC万方数据独创

3、性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。作者签名：日期：年月日论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全部或部分内容编入有关

4、数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后应遵守此规定）作者签名：导师签名：日期：年月日万方数据摘要摘要推荐系统是根据互联网用户的个人信息或网站行为来推测用户的偏好，进而为用户进行产品推荐的新技术。随着互联网的蓬勃发展，推荐系统已经应用于许多互联网服务，尤其是电子商务领域。传统的推荐算法仅依靠用户对商品的整体评分或者用户在浏览网页时的网页行为等隐性数据来分析用户偏好，这些推荐算法和用户数据随着网站内容的不断细化以及用户对推荐内容要求的不断提高，日益显现其不足，如推荐精度不高、推荐效率低。所以采

5、用有效的数据是保证推荐系统准确性的关键因素。如何尽可能满足潜在目标用户的需求，向他们推荐符合兴趣偏好的商品是当前推荐算法的首要问题之一。针对这个问题，本文研究了互联网领域个性化推荐的主流技术和应用，并结合了Web文本挖掘技术，提出了一种基于在线评论意见挖掘的推荐算法，该算法从用户的在线评论文本数据出发，挖掘用户在商品特征层次上的偏好，再基于协同过滤算法产生推荐，目的是能把这一用户生成内容利用到个性化推荐中，挖掘出用户最直接真实的偏好和期望，以使推荐结果尽可能符合用户的兴趣，从而提高推荐的准确度。本文提出了一个基于意见挖掘的个性化推荐系统框架，设

6、计了一套完整的通用流程，为现实的电商推荐系统提供了一种较为可行简便的补充方案。同时本论文也采用了互联网上的真实用户评论数据进行了实证研究，实验结果证明本系统能够产生较为有效的推荐。关键词：推荐系统，个性化推荐，电子商务，文本挖掘，情感分析I万方数据ABSTRACTABSTRACTRecommendationsystemisanewtechnologytorecommendproductsforcustomersfromhugeamountsofproducts,whichinfersthoseobjectiveusers‟preferences

7、basedontheirpersonalinformationoronlinebehavior.AstheInternetisgrowingrapidly,recommendationsystemhasbeenappliedtomanyInternetapplications,especiallyE-commerce.Thetraditionalrecommendationalgorithmsonlyrelyontheoverallratingorsomehiddendata,suchascustomers‟browsingbehavior,t

8、oinfercustomers‟interest.Whileaswebsitecontentskeeponrefining,andcustomersr