基于手机商品评论文本的情感分析与挖掘

目的:随着互联网技术的发展和智能设备的普及,电商平台出现了大量商品评论信息,分析和挖掘商品评论文本的情感,对于研究用户需求、商品口碑具有极其重要的价值。方法:文章利用编程语言python获取电商平台的商品评论信息,采用算法与人工相结合的方式,从数据预处理、特征词表的构建、修饰词表和情感词表的扩充等方面分析商品的评论信息和用户对相应属性的评价观点。结果:实现了商品属性和评价情感词的抽取和分类,实现了商品评论的情感倾向性分析,深入了解用户需求和产品口碑。局限:依赖情感词典进行情感分析,为取得更加精确的结果,情感词典需要不断完善。     

在线评论对网络用户购买意愿影响研究

CNNIC的调查表明超过一半的网购用户表示买每种商品前都会看相关商品评论,已有近8成的网购用户买大多数商品前都会看看商品评论,此外消费者网购产品的选择因素中,网上用户评价较好是价格便宜这个因素外主要考虑的因素,因此研究在线评论具有重要意义。本文主要从在线评论的信息特征出发对相关研究进行分析。     

特征选择在协同过滤推荐算法中的应用研究

用户-项目评分数据集的高维稀疏性使得传统的协同过滤处于"维度困境"。运用降维技术的特征变换方法的协同过滤算法虽然缩减用户-项目评分数据集规模,但在某种程度上导致信息损失。本文提出将特征选择方法和技术运用于协同过滤算法,并且给出了基于有监督特征选择的协同过滤框架及其协同过滤流程。     

基于相关物品的电子商务智能推荐系统研究

以大数据时代为背景,改变传统推荐系统的设计思路,给出一个"相关物品"智能推荐系统体系结构。将用户即时购买需求和历史偏好相结合,提出一种改进的基于粗糙集的属性约简算法,用于数据预处理阶段提取用户实时需求商品类的特征,在线分析阶段采用引入兴趣域的聚类算法挖掘用户实时关注商品的相似商品集,离线用协同过滤推荐挖掘相关商品集,将在线部分与离线部分的相关商品集融合,按照点击率预估对集合进行排序,形成推荐,以解决推荐系统在实时性、扩展性、智能性和实时性与精准平衡性方面存在的问题。     

基于协同过滤和内容的用户需求混合推荐算法

个性化需求信息推荐是需求识别和获取的有效手段之一。文章提出了一种基于协同过滤和内容筛选的混合推荐模型,该模型利用用户特征相似性解决传统协同过滤的冷启动和稀疏性问题,并基于需求内容的特征提取和分析筛选掉与目标用户兴趣相差较大的需求,以此来提高推荐的准确性。实验表明,该模型能够避免数据稀疏问题,并提高需求推荐的质量。     

基于项目聚类和评分预测的协同过滤推荐算法研究

协同过滤算法是目前个性化推荐系统中应用最成功的推荐算法之一。目前协同过滤构建的用户-项目矩阵,一般是按用户对所有项目的评分构建,却没有考虑项目之间的分类情况,导致寻找的邻居集合可能不是最近邻居集合。针对此问题,本文提出基于项目聚类和评分预测的协同过滤推荐算法,该算法首先按商品聚类,将大矩阵按聚类的商品来进行子矩阵的计算,在子矩阵里进行兴趣度的测量,最后将在所有区域相似用户的推荐项目合并,成为该用户的最后推荐结果。实验证明新算法能够提高协同过滤推荐系统的推荐质量。     

在线用户商品评论信息挖掘方法的比较研究

随着互联网的快速发展,网上交易的用户越来越多,大多数的电子商务网站都会为消费者提供相互交流的平台来发表其针对所购买商品的评论,针对于在线用户商品评论信息挖掘方法的研究也就成为当下的热点问题.本文对在线用户电商评论的特点以及分类进行了概括,总结了不同的商品评论信息挖掘方法的应用进展情况以及研究现状,并对其进行了比较研究.     

基于文本挖掘的个性化旅游偏好特征属性分析

本文利用网络爬虫技术爬取个人游记、评论等信息作为初始文本,进行分词、文本过滤等预处理,将复杂网络理论应用于文本挖掘技术,提取文本中主题的关键词,从而进行分类处理得出个人旅游偏好的特征属性,最后采用TOPSIS方法,利用特征属性对下一个备选目的地进行选择排序。本文从蚂蜂窝、同程旅游、携程等旅游网站中随机挑选一位博主,进行旅游偏好特征属性分析,再以桂林各大景点为例,获取满足该博主个人偏好的下一个目的地。对旅游产品企业及旅游部门而言,应用这一技术,可以了解用户需求,提供个性化服务;加强互动,重视口碑营销,形成品牌效应;同时,合理把控资金投入,完成针对性整改,规范旅游市场。     

基于文本挖掘与语义识别的用户消费行为分析

如何更好地利用来源错综复杂的数据,给企业带来相应效益是各企业亟待解决的问题。文章以京东商城空调类家电产品的用户评论数据为主要分析源,对用户行为数据进行文本挖掘找出用户的真实需求。对抓取的用户评论数据进行语义识别和词频统计,完成原始数据的去噪、降维等数据清理;建立商品目标集的特征属性表和概率模型,对待研数据进行聚类分析;最后,对聚类的结果进行时间序列分析,从而获得较有价值的结论,形成基于用户评论数据的建议、推断和决策。     

浅谈协同过滤技术在智能搜索引擎中的应用

协同过滤技术的核心思想是用户会倾向于利用具有相似意向的用户群的产品,在智能搜索引擎中起着重要作用.协同过滤推荐系统使用统计技术搜索目标用户的若干最近邻居,然后根据最近邻居对项目的评分预测目标用户对项目的评分,产生对应的推荐列表.本文针对智能搜索引擎重的协同过滤技术进行分析和设计,提出协同过滤分析的推荐方法和相关算法.     

基于改进二部图与专家信任的混合推荐算法

针对传统协同过滤算法出现的稀疏数据、用户冷启动等问题以及复杂网络结构的广泛应用,本文提出结合改进的二部图与改进的专家信任算法来提高推荐准确度。基于普通二部图算法,将用户对项目的评分作为节点之间的分配资源权重,不仅关注用户与项目之间的联系,同时体现用户对项目的喜好程度;其次,本文根据用户的评论数和与该用户对项目评分相同的数目来判断该用户的专家信任度,改进传统系统过滤算法。为了提高推荐准确度,改进缺点,我们将两者算法进行加权混合,加权因子根据实验中最小MAE值对应的权值来确定,形成混合推荐算法。最后针对基于用户的协同过滤、传统二部图以及本文提出的混合算法计算MAE值和平均Hamming距离,对比分析本文算法的推荐准确度与多样性,实验表明本文方法推荐效果较好,准确率高,个性化强,有研究和应用价值。     

基于协同过滤在高校学习资源个性化推荐系统中应用研究

文章针对目前高校学习资源信息过剩问题而无法向学习者进行个性推荐资源。文章鉴于电子商务个性化推荐模型研究启示,尝试将协同过滤技术应用在高校学习资源中进行个性化推荐技术研究。文章分析了协同过滤技术个性推荐系统类型以及基于项目个性推荐系统模型流程,最后结合案例分析了基于项目协同过滤技术在高校学习资源应用整个流程;并针对协同过滤算法存在问题,提出了改进方法。     

基于加权相似度显隐式反馈的协同过滤算法

针对传统的协同过滤算法没有考虑到不同用户之间相似度的差异以及用户对项目的评分时间等因素的影响,提出了一种基于加权相似度显隐式反馈的协同过滤算法:先获取用户的显式和隐式反馈评分信息以及用户-项目的评分时间信息。再对评分信息进行基于时间的加权处理,并对传统的相似度计算方法进行修改,引入相关度因子。最终根据预测公式获得用户的推荐结果。实验仿真表明算法在平均绝对误差和精确率两个指标上有了一定的提高,并在一定程度上提高了推荐算法的准确性。     

基于矩阵分解模型的协同推荐过滤算法研究

文章介绍了基于用户评分偏差和项目评分偏差的偏差矩阵分解模型ALS-WRB的推荐算法。在此基础上,充分考虑项目属性特征的信息重要性,将它作为项目隐含特征因子,加入到ALS-WRBC矩阵分解模型进行训练,同时解决了新用户或新项目冷启动问题,一定程度上缓解了矩阵稀疏性问题。将相关的项目属性特征与潜在的隐含特征因子一起进行模型训练,并做了实验设计,对结果进行分析对比,在不提高算法复杂度的情况下,模型的精确度得到一定提高,证明算法改进的有效性。     

基于离散选择模型的推荐系统改进算法

准确地预估用户的点击率,并根据该概率对商品排序以供用户选择在推荐系统领域有着重要的意义。推荐系统中常用的因子分解机等机器学习模型一般只考虑用户选择单个商品的概率,忽略了候选商品之间的相互影响,离散选择模型则考虑将商品候选集作为整体进行考虑。提出了使用深度学习模型来改进离散选择模型,模型使用相对特征层、注意力机制等网络结构帮助深度学习模型进行不同商品间的特征比较,研究结果表明引入离散选择模型的深度学习模型表现优于梯度提升决策树、因子分解机等模型。     

论文推荐算法及数据特征研究综述

本文主要研究论文推荐算法和论文推荐主要使用的数据特征,从而对论文推荐进行总结。论文推荐算法主要有四大类：基于内容的过滤、协同过滤、基于图形的推荐方法和混合推荐方法,论文推荐数据特征主要使用如下四种：标签、用户配置文件、引文网络和社会网络。     

在线商品垃圾评论发布动机影响因素研究

网络评论板块使得消费者能充分参考其他消费者的评论信息做出正确的购物决策,然而,在电商购物平台上发布评论的评论者不仅仅包括用户,还可能是恶性诋毁的竞争者以及自我推销的商家。文章探讨了在线商品垃圾评论发布动机的影响因素,分为商家推销、同行诋毁、经济回报、情绪发泄、惩罚商家、敷衍应对、不堪骚扰7个方面。为后续的在线商品垃圾评论识别与治理研究提供重要理论依据。     

在线商品垃圾评论发布动机影响因素研究

网络评论板块使得消费者能充分参考其他消费者的评论信息做出正确的购物决策,然而,在电商购物平台上发布评论的评论者不仅仅包括用户,还可能是恶性诋毁的竞争者以及自我推销的商家。文章探讨了在线商品垃圾评论发布动机的影响因素,分为商家推销、同行诋毁、经济回报、情绪发泄、惩罚商家、敷衍应对、不堪骚扰7个方面。为后续的在线商品垃圾评论识别与治理研究提供重要理论依据。     

区分用户长短期兴趣个性动态化推荐算法的研究

协同过滤算法已被成功应用于许多领域,但遇到了可扩展性和精度低等问题。目前提出了许多改进算法,但它们均忽略了用户长短期兴趣对推荐的不同影响,针对这个问题,介绍一种基于查询推荐技术的用户兴趣模型,它能够区分用户长短期兴趣且为用户做出更加精确且不同推荐。     

交通运输-经济复合系统协同效度评价

基于交通运输与经济发展相互影响的分析,研究交通运输-经济复合系统协同机制,利用数据包络分析建立交通运输-经济复合系统协同发展效度评价模型,并进行实证分析。结果表明,数据包络分析法在交通运输-经济这一典型多属性、多目标复杂系统的协同性评价中具有很好的效果,为两者动态平衡协调关系调整和系统整体优化提供了有针对性的改进信息。