[发明专利]一种基于观点增强的主题协同过滤推荐方法在审
| 申请号： | 201810036537.1 | 申请日： | 2018-01-15 |
| 公开（公告）号： | CN108228867A | 公开（公告）日： | 2018-06-29 |
| 发明（设计）人： | 彭敏;施洪亮;胡刚 | 申请（专利权）人： | 武汉大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06Q30/06 |
| 代理公司： | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人： | 魏波 |
| 地址： | 430072 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于观点增强的主题协同过滤推荐方法，首先基于LDA主题模型提取评论文本属性词；然后根据LDA提取到的属性词，利用word2vec模型计算属性词之间的关系，将相似的属性词归为一类；将词义相同的属性词汇集成属性面；通过属性面观点增强分析得到评论文本的情感极性；接着根据情感词极性和属性词构建打分矩阵，根据打分方式通过协同过滤算法计算用户之间的相似性；最后根据k邻近方法将矩阵中打分比较高的商品推荐给其它用户。实验结果表明，本发明在属性词提取的F值上以及推荐的平均绝对误差值上均表现优异。 | ||
| 搜索关键词： | 协同过滤 矩阵 评论文本 平均绝对误差 词义 集成属性 模型计算 情感极性 商品推荐 属性词汇 算法计算 主题模型 情感词 构建 邻近 表现 分析 | ||
【主权项】：
1.一种基于观点增强的主题协同过滤推荐方法，其特征在于，包括以下步骤：步骤1：基于LDA主题模型提取评论文本属性面；步骤2：根据LDA提取到的属性词，利用word2vec模型计算属性词之间的关系，将相似的属性词归为一类；步骤3：通过属性面观点增强分析得到评论文本的情感极性；步骤4：根据情感词极性和属性词构建打分矩阵，根据打分方式通过协同过滤算法计算用户之间的相似性；步骤5：对任意用户u，从步骤4中的相似度矩阵选择与其最相似的k个邻居，将相似度最高的商品推荐给用户u。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉大学，未经武汉大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810036537.1/，转载请声明来源钻瓜专利网。
