基于意見挖掘的商品推薦問題的研究.pdf

1、現(xiàn)在網(wǎng)上購物日漸流行，網(wǎng)購時用戶為了真實(shí)地了解商品信息，會查看別的用戶的評論內(nèi)容，但商品評論多達(dá)幾千萬條，用戶很難逐條查看，而且評論中的信息并非都具有參考價(jià)值，這樣的查看過程很容易降低用戶的購買欲望。所以，對網(wǎng)上評論進(jìn)行挖掘以提取出有用的信息供用戶查看就勢在必行了。
　　對網(wǎng)上評論挖掘有用信息，主要是抽取評論信息所描述的商品屬性（即評價(jià)對象）和描述屬性的修飾詞（即評價(jià)詞），然后針對每一個屬性，將其修飾詞以好中差性質(zhì)分類，統(tǒng)計(jì)每個類

2、別的比例，將這些結(jié)果顯示給用戶，用戶就可以很直觀的看出商品每一屬性的評價(jià)情況，而不需要逐條查看評論來獲取這些信息。如果將商品屬性提供給用戶，用戶選擇自己偏好的屬性，那么可以根據(jù)這些偏好屬性得出商品排名，進(jìn)而為用戶推薦商品，這就是基于意見挖掘的商品推薦，為了實(shí)現(xiàn)這一目的，本文所做的工作如下：
　　1）首先基于名詞詞組模式抽取評價(jià)對象和評價(jià)詞，但有些評價(jià)對象是與商品屬性無關(guān)的冗余詞，有些不同的評價(jià)對象描述的是商品的同一屬性，所以本文先

3、對評價(jià)對象修剪和聚類，利用BIRCH算法對評價(jià)對象聚類時自學(xué)習(xí)聚類數(shù)目的特點(diǎn)，刪除BIRCH聚類后所含對象少的簇，即達(dá)到修剪評價(jià)對象的目的，再使用K-Means聚類算法對剩余的簇進(jìn)行全局聚類，得出最終商品屬性。實(shí)驗(yàn)使用京東商城上筆記本電腦的評論信息作為測試數(shù)據(jù)，分別將本文的修剪和聚類方法與兩種經(jīng)典的修剪和聚類方法進(jìn)行實(shí)驗(yàn)對比分析，驗(yàn)證了本文方法的有效性。
　　2）修剪聚類評價(jià)對象后，開始進(jìn)行評價(jià)詞極性判斷。判斷評價(jià)詞的極性時，本文

4、首先基于情感詞庫進(jìn)行判斷，對于情感詞庫不存在的評價(jià)詞，使用word2vec與HowNet線性疊合的方法來計(jì)算詞語與情感種子詞的相似度，進(jìn)而確定評價(jià)詞的極性值，最后使用K-Means聚類算法對評價(jià)詞進(jìn)行類別劃分，本文將評價(jià)詞分為五類：很好、好、中、差、很差。通過與以往的兩種極性判斷方法進(jìn)行正確率比較，驗(yàn)證了本文方法的有效性。
　　3）最后基于Java語言設(shè)計(jì)并實(shí)現(xiàn)了基于意見挖掘的商品推薦系統(tǒng)，該系統(tǒng)通過處理分析商品評論數(shù)據(jù)，呈現(xiàn)出最