基于用户偏好与商品属性情感匹配的图书个性化推荐研究 侯银秀;李伟卿;王伟军;张婷婷 【期刊名称】《数据分析与知识发现》 【年(卷),期】2017(001)008 【摘 要】【目的】识别并获取细粒度的用户偏好信息,优化图书个性化推荐的效果。【方法】使用情感分析方法对用户图书评论进行属性层文本挖掘,通过用户本身的图书评论获取用户对图书属性的偏好;基于每本图书的所有评论的情感计算获得其属性评分;将用户偏好矩阵、图书属性得分矩阵进行匹配,从而实现用户对图书属性情感偏好的个性化推荐。【结果】利用亚马逊图书评论数据作为数据来源分别对传统的协同过滤方法与本文提出的推荐方法进行实验对比。结果表明,本文提出的方法在准确性、召回率、覆盖率上分别提高了0.030、0.097、0.2812。【局限】未考虑时间因素对用户偏好的影响,并且属性类型的全面程度受亚马逊图书评论数量和质量的限制。【结论】本文计算用户对图书属性的情感得分,得到细粒度的用户偏好信息,并通过与图书属性的得分进行匹配,提升了图书个性化推荐的效果。 【总页数】9页(P9-17) 【作 者】侯银秀;李伟卿;王伟军;张婷婷 【作者单位】[1]华中师范大学信息管理学院,武汉430079;[2]华中师范大学青少年网络心理与行为教育部重点实验室,武汉430079 【正文语种】中 文 【中图分类】G35 【相关文献】 1.基于用户偏好的图书馆个性化门户研究2.数字图书馆的用户偏好模型及个性化推荐研究3.基于多源数据融合的数字图书馆用户偏好挖掘模型研究4.基于用户偏好的高校图书馆热门微博研究\r——以部分\"985\"高校为例5.基于多源数据融合的数字图书馆用户偏好挖掘模型研究 因版权原因，仅展示原文概要，查看原文内容请购买 本文来源：https://www.wddqw.com/doc/9c6a886001020740be1e650e52ea551810a6c9fb.html