[发明专利]线上文本评论驱动的电商意见挖掘推荐系统

权利要求书

1.线上文本评论驱动的电商意见挖掘推荐系统，其特征在于，将线上文本评论中的意见挖掘和协同过滤推荐算法分别改进后融合构建模型，应用于定制化电商推荐系统中，主要包括：首先基于相关关系规则挖掘法，对线上商品评论中的商品特征进行提取；然后根据提取的商品特征来抽取对应的感情词，并通过感情词典法加以数值化解析衡量，得到消费者的商品特征-感情对；改进协同过滤推荐算法，重新定义一种计算消费者之间近似指数的方法，基于商品特征，通过消费者对商品特征的关注指数和挑剔指数衡量分析消费者对商品特征的偏好程度，进而计算不同消费者之间的近似指数；

本发明提出通过对线上文本评论中消费者对商品特征的感情倾向去量化衡量消费者对商品的兴趣指数，进而判定消费者之间的近似指数，将消费者线上文本评论感情倾向性分析和协同过滤推荐算法改进后融合构建模型，根据消费者评论中所包含的大量有用的评论和感情信息，结合自然语言处理方法，构建基于消费者线上评论的商品推荐系统，给消费者带来更加准确和有效的推荐和建议，更好的帮助消费者决策；

本发明通过消费者对商品特征的感情态度反映消费者对商品的喜欢与否，即通过消费者对商品的关注指数和感情态度共同衡量量化消费者的商品的偏好程度，基于线上商品评论意见挖掘的推荐系统有两个核心点：一是通过对线上评论的意见挖掘，提取出其中的商品特征-感情对，二是改进协同过滤推荐算法；通过相关关系规则挖掘算法提取出线上评论中的商品特征，并抽取对应的感情词并数值化，构建出商品特征-感情对，提出基于消费者关注指数-购买行为和挑剔指数-感情倾向判别量化消费者之间近似指数的改进协同过滤推荐算法；

消费者对商品的兴趣指数包括对购买商品的兴趣指数和对推荐商品的兴趣指数：

消费者对购买商品的兴趣指数：t_vi衡量量化消费者v对商品i的兴趣程度，通过消费者v对商品i的评价中提取商品特征的评价的平均值衡量量化，计算方法如式9所示：

其中，M表示消费者v对商品i的评价中所提取的商品特征总数，1＜j＜M，stp_j_v表示消费者v对商品i的特征评价值；

消费者对推荐商品的兴趣指数：根据得到消费者与消费者之间的相似度，通过改进的协同过滤推荐算法，得到目标消费者的相似消费者集，进而向目标消费者推荐商品，消费者v对商品i的兴趣指数InR(v,i)为式10:

其中，C(v,W)表示和目标消费者v兴趣最接近的W个消费者的集合，M(i)表示购买并评论过商品i的消费者集合，C_vu是消费者v和消费者u之间的兴趣相似度，t_ui衡量量化消费者u对商品i的兴趣程度，W作为一个调节参数，表示选取W个与目标消费者兴趣最相似的消费者，然后向目标消费者推荐这W个消费者感兴趣的商品，W值是通过在实验中进行调整进而确定最优值。

2.根据权利要求1所述的线上文本评论驱动的电商意见挖掘推荐系统，其特征在于，商品特征-感情对的衡量量化：采取无监督学习方法，具体采用基于相关关系规则挖掘方法提取商品特征，并结合统计方法抽取感情词汇，从而实现特征-感情对的提取，完成线上评论中的商品特征和感情词的提取，商品特征-感情对提取分为数据集的前置处理、商品特征提取、特征过滤合并、感情词的抽取与数值化。

3.根据权利要求1所述的线上文本评论驱动的电商意见挖掘推荐系统，其特征在于，商品特征-感情对提取方法：商品特征-感情对的提取是从电商平台上的线上评论中提取出的商品特征，并抽取对应的感情态度，基于线上评论数据集中有较多的噪声数据，对数据集进行前置处理，找出并剔除掉噪声数据，本发明采用基于相关关系规则挖掘方法提取线上评论中的商品特征，根据提取出的商品特征，抽取出对应的感情词，并通过感情词典对其进行数值化，得到消费者的商品特征-感情对。