[发明专利]一种基于挖掘评论修正用户评分的改进协同过滤方法

说明书

本发明公开了一种基于挖掘评论修正用户评分的改进协同过滤方法，首先对用户评论集进行分词处理，标记评论中的产品特征词和对应的情感词；针对每一条评论，提取评论中标记的产品特征词和对应的情感词，量化特征的偏好程度和情感词的情感强度，建立评论特征偏好向量；根据评论特征偏好向量计算评论的情感态度；根据评论的情感态度修正用户评分，提高评分的区分度和可信度；利用修正后的评分参与协同过滤产生推荐。本发明可以解决当前电子商务网站用户评分过度集中以及可信度不高的问题，提高协同过滤推荐结果的准确率。

技术领域

本发明属于信息技术领域，涉及一种通过挖掘用户评论信息修正用户评分的改进协同过滤方法，尤其涉及一种针对电子商务网站中的通过挖掘用户评论信息修正用户评分的改进协同过滤方法。

背景技术

协同过滤算法是推荐系统领域应用最为广泛的一种推荐算法。其特点为：通过分析用户的历史数据，构建个人兴趣偏好，利用兴趣相似的其他用户向目标用户推荐可能感兴趣的信息。协同过滤算法分为基于用户的协同过滤算法和基于内容的协同过滤算法。基于用户的协同过滤算法主要利用用户的评分作为构建用户兴趣偏好的依据。然后根据评分偏好相似的其他用户向目标用户推荐可能感兴趣的信息。而近年来推荐领域研究的热点则是通过挖掘用户评论信息建立更为准确用户兴趣偏好，从而改进传统的协同过滤算法，提高推荐结果的准确率。目前研究的通用流程都是通过挖掘用户评论中包含的信息来建立用户偏好，计算出偏好相似度，再通过用户评分计算出评分相似度，然后将偏好相似度和评分相似度进行加权计算来评价用户之间的相似度，从而产生推荐。目前存在以下问题：

1)当前电子商务网站的用户评分过于集中，区分程度不高。通过统计知名电子商务网站的用户评分数据发现，用户的评分数据很大程度上都表现为高评分。以京东商城为例，统计14大类，142小类产品的评分好评率。结果显示，好评率最低为94.3％，最高达到98.6％，平均好评率为96.2％。由于评分规则(评分为1-5的整数)的限制，且产品整体质量较好，导致用户的评分非常集中，几乎都是5分，区分度非常不明显。

2)用户的评分可信度不高，导致推荐结果准确率难以提升。由于电子商务网站的评分是1-5的整数，所以用户只能尽量选择与其真实评分意愿最为接近的整数作为评分结果，这样往往不能真实地表达用户的评分意愿。以京东商城为例，从手机类产品中随机抽取评价同一产品且评分为5分的4条评论进行对比，如表1所示。由表1可以看出，在用户对产品较为满意的情况下，都会选择5分作为评分结果。而用户评论内容中包含的情感倾向表明用户的真实评分意愿如果只是单一用5这个整数来表示，明显不太精确。

表1用户评分与评论实例

3)当前考虑用户评论和评分的协同过滤推荐算法忽略了用户评论和评分之间存在的内在关联，只是简单地将两者进行加权计算。评分是用户对产品的综合评价，而评论是用户针对自己关注的某些特征给出的细节评价，例如外观很漂亮，反应太慢，质量一般等。因此，评论是对评分进行的详细解释，两者之间存在必然的内在联系。目前考虑用户评论和评分的推荐算法并没有充分利用这种解释功能。

发明内容

为了解决上述技术问题，本发明提供了一种针对电子商务网站中的通过挖掘用户评论信息修正用户评分的改进协同过滤方法。

本发明所采用的技术方案是：一种基于挖掘评论修正用户评分的改进协同过滤方法，其特征在于，包括以下步骤：

步骤1：输入用户评论集T_u，评分集V_u；

步骤2：对用户评论集进行分词处理，提取评论中的产品特征词和对应的情感词；

步骤3：建立用户偏好向量；

步骤4：建立评论特征偏好向量；

步骤5：计算评论的情感态度；

步骤6：根据情感态度修正用户评分；