基于评论文本情感倾向分析的个性化推荐系统研究

VIP免费

3.0 侯斌 2024-11-19 4 4 2.05MB 48 页 15积分

侵权投诉

摘要

随着计算机技术与 web2.0 的飞速发展，互联网也产生了日新月异的变化，主

要表现在网络中用户的参与度越来越高，越来越多的用户在网上发表自己的言论

与评价。网络从静态网页向动态网页转变，网络信息量也呈爆炸性的增长。这使

得用户难以在浩瀚的信息中快速有效的获取有用的信息，在这种情况下推荐系统

应运而生。

现阶段，推荐系统大多以商品为中心，大部分推荐系统都是以协同过滤技术为

基础，通过对用户历史记录的分析或者是关键词匹配的方法对用户进行推荐。这

种方法在大部分情况下是有用的，但是对于用户不了解的领域，推荐系统无法为

用户提供有用有信息。因此，本文提出通过对网络评价进行情感倾向分析，并在

此基础上结合用户自己的需求对用户进行个性化推荐。

本文以近年来甚为流行的团购网作为语料库来源，收集了 50*200 的评论数据。

在开发个性化推荐系统前，首先对收集到的语料进行预处理，并对评论语句进行

句法分析，在此基础上抽取出评论特征词及评论搭配；然后构建情感词典，基于

情感词典对评论语料进行情感倾向赋值计算；最后将此部分的结果以图表的方式

进行展示。

在本文的最后，以 Java 为开发语言对个性化推荐系统进行开发。考虑到本文

是以电子商务背景下的团购网评论数据进行研究，因此开发个性化推荐系统以网

页的形式展示。

关键词：情感词特征词依存句法关系情感分析个性化推荐

ABSTRACT

With the rapid development of computer technology and web 2.0,the Internet has

changed a lot. This change mainly in the participation of network users is higher and

higher. More and more users make comments and evaluation on the net, As a result, the

network has transformed from static to dynamic. The quantity of network information

increases explosively, this makes it hard for users to obtain useful information quickly

and efficiently through the Internet. Recommendation system came into being in

response to the conditions.

At present, most recommendation systems are production-centered and based on

collaborative filtering technology. Collaborative filtering technology recommends users

through the analysis of users’ history or keyword matching methods. This method is

useful in most cases. But for those areas that users don’t know, the recommendation

systems can’t provide users useful information. Therefore, in this paper, we put forward

a new personalized recommendation system which based on the analysis of comment

text emotional tendency and the demand of users.

In this paper, we collect 50*200 comment data from groupon as the text corpus.

Before the development of personalized recommendation system, we did a lot of work.

The work contains: processes the comment data, dependency parsing, extract the feature

words and sentiment words, build emotional dictionary, assign a value to calculate the

Emotional value. Then we display the system in the form of charts and pictures.

At the end of this paper, we developed a personalized recommendation system

based on Java. Considering the groupon background of our comment data and research,

the system will be displayed in the form of web page.

Key words: sentiment words, Characteristic Word, dependency

parsing, Sentiment Analysis, personalized recommendation

中文摘要

ABSTRACT

第一章绪论 .................................................... 1

1.1 论文的研究背景与选题意义 .................................. 1

1.2 国内外研究现状 ............................................ 3

1.2.1 个性化推荐系统的国内外研究现状 ........................ 3

1.2.2 情感分析的国内外研究现状 .............................. 4

1.3 论文的研究目的和研究内容 .................................. 6

1.4 论文的组织结构 ............................................ 7

第二章文本情感分析相关理论与技术 ............................... 9

2.1 文本的处理 ............................................... 10

2.1.1 中文语句的分词技术 ................................... 10

2.1.2 词性标注技术 ......................................... 11

2.1.3 NLPIR/ICTCLAS 2014 分词系统 .......................... 12

2.2 情感信息的抽取 ........................................... 13

2.2.1 基于语料库的研究方法 ................................. 13

2.2.2 基于词典的研究方法 ................................... 13

2.2.3 依存句法分析与 LTP 平台 ............................... 14

2.3 情感信息的分类 ........................................... 15

2.3.1 主客观信息分类 ....................................... 15

2.3.2 主观信息情感分类 ..................................... 15

2.4 情感倾向分析方法 ......................................... 16

2.4.1 支持向量机 ........................................... 17

2.4.2 朴素贝叶斯 ........................................... 18

2.4.3 最大熵 ............................................... 19

2.5 HowNet 知网简介 .......................................... 20

2.6 本章小节 ................................................. 21

第三章评价的特征词和情感词对抽取 .............................. 22

3.1 用户评论语料库的建立 ..................................... 22

3.2 语料的预处理 ............................................. 22

3.3 基于词频统计的评论特征词抽取 ............................. 24

3.4 基于依存句法的特征词与情感词对抽取 ....................... 26

3.5 本章小结 ................................................. 27

第四章基于 HowNet 情感词典的情感倾向分析 ....................... 28

4.1 情感词库的构建 ........................................... 28

4.2 情感词的识别与评价短语情感倾向性权值计算 ................. 30

4.3 用户评价特征的情感分析 ................................... 31

4.4 分析结果 ................................................. 32

4.5 本章小节 ................................................. 33

第五章基于情感倾向分析的推荐系统的实现 ........................ 34

5.1 系统原理及算法 ........................................... 34

5.2 系统分析与设计 ........................................... 35

5.3 系统实现 ................................................. 36

5.4 本章小节 ................................................. 38

第六章总结与展望 .............................................. 39

参考文献 ....................................................... 41

在读期间公开发表的论文和承担科研项目及取得成果 ................. 45

致谢 .......................................................... 46

第一章绪论

互联网的发展日新月异，网络信息呈现出爆炸性的增长。尤其随着 web2.0

时代的到来，网络已不再是单纯的静态信息载体，越来越多的用户参与到共建网

络平台中，积极参与并发表评论展现个性。面对越来越复杂的电子商务系统，越

来越多的用户感到力不从心，无法从繁多的信息中寻找到自己需要的。据统计称，

相对于 99%的用户而言，99%的信息是无用的，而这 99%的无用信息会干扰用户

的选择。推荐系统应运而生，它能够在用户进行选择时为用户提供一些建议，将

其可能感兴趣的内容推荐给用户，为用户提供便捷的信息获取体验[1]。

1.1 论文的研究背景与选题意义

随着互联网的快速发展以及网络 Web2.0 时代的到来，人们越来越多的参与

到网络活动中，共建网络的平台。如人们可以在网上畅所欲言发表对产品或者公

众人物的看法，也可以通过交互平台如微博、论坛等交流意见。这些信息涉及面

之广几乎涵盖我们日常生活的方方面面，小到柴米油盐这些与衣食住行相关的，

大到国计民生，对政策及国际事件的讨论等。由于网络的开放性越来越强，因此

互联网上每天新增的信息就是一个极为庞大的数量。据统计，Netflix 上有数万部

电影，亚马逊上有数百万的图书，每天的网页增长数量都以不可思议的速度增长

着。海量的信息并没有便捷了我们的生活，反而使我们迷失在信息中，无法找到

真正需要的信息。用户无法快速有效的获取自己需要的信息，因此迫切需要一种

推荐系统为其推荐有用信息。企业为了在互联网中赢得好的发展，必须想办法留

住客户，提高客户的满意度，这就需要企业能够在众多的信息中提取出与客户相

关的信息[2]。

电子商务推荐系统就在这种背景下产生了，它一方面致力于满足用户有效获

取有用信息，另一方面满足企业的需求[3]。商品推荐系统在电子商务领域起着很

大的作用，它的使用可以有效保留客户，提高销售水平。同时，商家可以在这个

过程中获得与客户更有效更紧密的联系，从而建立良好的客商关系。电子商务推

荐系统的成功应用为电子商务带来了有效的成果。据统计，使用个性化电子商务

推荐系统后，电子商务销售行业的销售额提高了 2%-8%[2]。

从上面的介绍中，我们可以归纳电子商务推荐系统的几个作用：1.帮助用户

快速高效的在海量数据中获取有用信息。2.帮助商家提高销售水平，维护客户关

系。3.为用户提供个性化服务，提高客户忠诚度。4.实现客商双赢[4-5]。

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

15 积分 4人已下载

立即下载 VIP免费下载

摘要：

摘要随着计算机技术与web2.0的飞速发展，互联网也产生了日新月异的变化，主要表现在网络中用户的参与度越来越高，越来越多的用户在网上发表自己的言论与评价。网络从静态网页向动态网页转变，网络信息量也呈爆炸性的增长。这使得用户难以在浩瀚的信息中快速有效的获取有用的信息，在这种情况下推荐系统应运而生。现阶段，推荐系统大多以商品为中心，大部分推荐系统都是以协同过滤技术为基础，通过对用户历史记录的分析或者是关键词匹配的方法对用户进行推荐。这种方法在大部分情况下是有用的，但是对于用户不了解的领域，推荐系统无法为用户提供有用有信息。因此，本文提出通过对网络评价进行情感倾向分析，并在此基础上结合用户自己的需求...

展开>> 收起<<

基于评论文本情感倾向分析的个性化推荐系统研究.pdf

共48页,预览5页

还剩页未读，继续阅读

基于评论文本情感倾向分析的个性化推荐系统研究

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: