基于相似用戶及情感分析的電影協(xié)同推薦研究.pdf

1、在日常生活中含有大量的信息數(shù)據(jù)。隨著互聯(lián)網(wǎng)的極速發(fā)展，人們很難從海量數(shù)據(jù)中尋找出想要的內(nèi)容，這種“信息過載”現(xiàn)象日益突出，已經(jīng)影響人們的生活的質(zhì)量。在這種背景下，個性化推薦作為處理信息過載的重要技術(shù)作用突顯出來，已在電子商務(wù)和社交網(wǎng)絡(luò)等領(lǐng)域取得了十分廣泛的應(yīng)用。所以本文提出了一種基于相似用戶情感分析的協(xié)同推薦算法，通過相似用戶的喜好類似的原則進行針對性推薦。
　　用戶不需要描述個人的具體信息需求，特別是在目標用戶沒有明確表達需求時

2、推薦效果突出。
　　協(xié)同過濾算法具有其推薦效果良好、算法簡單和能夠處理復雜對象的優(yōu)點，已經(jīng)成為個性化推薦中最成功和應(yīng)用最廣泛的技術(shù)。通過分析用戶的歷史行為，該技術(shù)可以發(fā)現(xiàn)用戶的潛在喜好，并向用戶推薦相應(yīng)的項目。在日常生活中，人們經(jīng)常遇到選擇觀看電影難、看了不喜歡看的電影等問題，為解決這些問題協(xié)同過濾算法可以進行運用。然而，影評數(shù)據(jù)口語化嚴重、用戶行為矩陣稀疏以及電影項目自身就存在特色性等問題，導致推薦電影不夠準確，為了解決此類問題

3、本文展開如下的研究。
　　第一，針對影評中的口語化嚴重的問題，提出基于可擴充的詞性路徑算法，有選擇的抽取出文本中的情感詞，降低口語化中非情感詞被誤認為情感詞的可能性。減少由于口語化造成的非情感詞被錯誤認為是情感詞的可能性。對訓練影評語料進行詞性路徑分析，整理出詞性的泛化表，將詞性路徑參考詞性泛化處理后再進行后續(xù)操作，不但可以簡化算法的復雜度，還可以減少詞性路徑庫中詞性路徑的數(shù)量。將出現(xiàn)頻率由高到低排序后，人工排除不合理的詞性路徑，

4、并選取一定數(shù)量的路徑作為詞性路徑庫，增加詞性路徑的準確度。
　　第二，相似度的計算是本文的核心。為了更好的解決用戶，評分矩陣的稀疏性，又提出了一種改進的Jaccard系數(shù)進行相似計算。在Jaccard系數(shù)存在相似度結(jié)果不精確的問題。相似度和觀看行為的相似、觀看行為吻合的次數(shù)關(guān)和觀看的總數(shù)有關(guān)。通過實驗和Jaccard系數(shù)進行比較，證明本文提出的系數(shù)更符合實際，有效的降低了MAE值，推薦精度更高。
　　第三，針對影評數(shù)據(jù)的特殊