發(fā)布時(shí)間：2018-04-03 09:14

  本文選題：推薦系統(tǒng)　切入點(diǎn)：在線評(píng)論　出處：《合肥工業(yè)大學(xué)》2017年博士論文

【摘要】：推薦系統(tǒng)是解決電子商務(wù)平臺(tái)信息過(guò)載問(wèn)題的主要手段之一,相關(guān)研究表明,精準(zhǔn)的個(gè)性化推薦能夠提高消費(fèi)者對(duì)電子商務(wù)平臺(tái)的滿意度、促進(jìn)捆綁銷售、提高產(chǎn)品的銷量,進(jìn)而增加商家和電子商務(wù)平臺(tái)的經(jīng)濟(jì)效益。協(xié)同過(guò)濾方法是目前應(yīng)用最為廣泛的推薦技術(shù),具有簡(jiǎn)單、合理、高效、穩(wěn)定的優(yōu)點(diǎn)。傳統(tǒng)的協(xié)同過(guò)濾方法多依賴用戶評(píng)分,然而評(píng)分?jǐn)?shù)據(jù)自身存在一些缺陷,主要包括評(píng)分的稀疏性、動(dòng)態(tài)性和缺乏情境信息,從而導(dǎo)致協(xié)同過(guò)濾方法面臨許多挑戰(zhàn)。對(duì)于兩類產(chǎn)品(或服務(wù)),基于評(píng)分?jǐn)?shù)據(jù)的協(xié)同過(guò)濾方法所面臨的挑戰(zhàn)尤其嚴(yán)重。第一類是傳統(tǒng)電子商務(wù)環(huán)境下的高卷入度產(chǎn)品推薦,高卷入度產(chǎn)品通常是指具有高價(jià)值的耐用品。對(duì)于這類產(chǎn)品,首先,用戶的購(gòu)買記錄較少,因而評(píng)分存在更加嚴(yán)重的稀疏性問(wèn)題;另外,關(guān)于這類產(chǎn)品評(píng)分的動(dòng)態(tài)性,目前沒(méi)有相關(guān)研究給出明確的結(jié)論。第二類是移動(dòng)商務(wù)環(huán)境下的地理位置服務(wù)推薦,這類推薦的特點(diǎn)是需要將情境信息考慮在內(nèi),而評(píng)分難以滿足這一需求。為此,本文嘗試引入評(píng)論文本和簽到數(shù)據(jù)兩類用戶生成內(nèi)容彌補(bǔ)評(píng)分?jǐn)?shù)據(jù)的缺陷,改進(jìn)傳統(tǒng)的協(xié)同過(guò)濾方法。具體的研究?jī)?nèi)容和貢獻(xiàn)主要包括:(1)運(yùn)用實(shí)證研究的方法,從時(shí)間和序列兩個(gè)維度明確了高卷入度產(chǎn)品在線評(píng)論的動(dòng)態(tài)性,填補(bǔ)了相關(guān)研究的空白。本文從數(shù)值評(píng)分和評(píng)論文本兩個(gè)層面研究高卷入度產(chǎn)品在線評(píng)論的動(dòng)態(tài)性:對(duì)于評(píng)分的動(dòng)態(tài)性,首先從時(shí)間和序列兩個(gè)維度給出動(dòng)態(tài)性的直觀展示,初步確定動(dòng)態(tài)性的存在;然后,通過(guò)有序?qū)��?shù)單位模型建模評(píng)分與時(shí)間和序列兩個(gè)變量之間的關(guān)系,根據(jù)模型確定時(shí)間和序列兩種動(dòng)態(tài)性的存在和表現(xiàn)形式;最后,基于自選擇理論和動(dòng)機(jī)理論,對(duì)兩種動(dòng)態(tài)性的成因進(jìn)行分析和解釋。另外,在評(píng)論文本層面,首先通過(guò)情感分析的方法挖掘評(píng)論文本中所蘊(yùn)含的用戶特征層的情感;然后,與評(píng)分的動(dòng)態(tài)性相似,從時(shí)間和序列兩個(gè)角度對(duì)用戶情感的動(dòng)態(tài)性進(jìn)行實(shí)證分析,并對(duì)分析結(jié)果給出理論解釋。(2)針對(duì)高卷入度產(chǎn)品推薦,設(shè)計(jì)基于評(píng)論文本的混合協(xié)同過(guò)濾推薦模型,解決了評(píng)分的稀疏性和動(dòng)態(tài)性問(wèn)題。為了克服高卷入度產(chǎn)品的評(píng)分稀疏性問(wèn)題,采用主題建模、情感分析等文本挖掘方法深入挖掘評(píng)論文本中的產(chǎn)品主題、特征和用戶情感等信息,以推測(cè)用戶的未知評(píng)分。與以往的基于評(píng)論文本的推薦方法多使用評(píng)論文本的整體情感不同,本文嘗試將用戶特征層的情感用于虛擬評(píng)分預(yù)測(cè),通過(guò)把用戶特征層的情感轉(zhuǎn)化為物品-主題評(píng)分矩陣,將評(píng)論文本與協(xié)同過(guò)濾方法融合起來(lái)。并且,在設(shè)計(jì)推薦方法時(shí),重點(diǎn)考慮了在線評(píng)論的動(dòng)態(tài)性問(wèn)題,給出了相應(yīng)的解決方案。通過(guò)在高卷入度產(chǎn)品數(shù)據(jù)集上的實(shí)驗(yàn)證明,本文所提出的方法能夠有效地提高推薦的準(zhǔn)確度。(3)針對(duì)移動(dòng)環(huán)境下的地理位置服務(wù)推薦,將簽到數(shù)據(jù)的時(shí)間效應(yīng)和空間效應(yīng)有機(jī)地融合到協(xié)同過(guò)濾方法之中,設(shè)計(jì)了情境感知的推薦模型,滿足了該類推薦對(duì)情境條件的約束。具體來(lái)說(shuō),本文從時(shí)間和空間兩個(gè)方面改進(jìn)了地點(diǎn)相似度的計(jì)算方法。時(shí)間方面,通過(guò)時(shí)間分割法將時(shí)間因素引入到用戶-地點(diǎn)簽到矩陣中,并根據(jù)用戶簽到在時(shí)間上的連續(xù)性和不一致性計(jì)算了不同時(shí)間段之間的相似度,用以彌補(bǔ)由于時(shí)間分割所導(dǎo)致的稀疏性問(wèn)題�？臻g方面,提出了空間接近度的概念,根據(jù)用戶的簽到歷史找到其活躍區(qū)域,然后,在考慮用戶的活躍區(qū)域以及用戶在不同活躍區(qū)域的簽到比例的條件下,給出了計(jì)算空間接近度的公式。實(shí)驗(yàn)證明,與同類推薦方法相比,本文的方法取得更好的推薦效果。通過(guò)研究,在理論上,深化了對(duì)評(píng)論文本和簽到數(shù)據(jù)兩類用戶生成內(nèi)容的特性和變化規(guī)律的認(rèn)識(shí),同時(shí)有效地解決了傳統(tǒng)的協(xié)同過(guò)濾所面臨的評(píng)分稀疏性、動(dòng)態(tài)性和情境信息缺乏的挑戰(zhàn),為個(gè)性化推薦的研究提供了新思路;在實(shí)踐上,針對(duì)兩類不同產(chǎn)品所設(shè)計(jì)的推薦框架可以為相關(guān)企業(yè)設(shè)計(jì)推薦系統(tǒng)提供參考。
[Abstract]:This paper studies the dynamic nature of the online comment of high - involvement products based on the two dimensions of time and sequence , and improves the economic benefit of the business and e - commerce platform . In order to overcome the sparsity of high - level product , this paper puts forward the concept of spatial proximity .

【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：F713.36;F274

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙宇翔;范哲;朱慶華;;用戶生成內(nèi)容(UGC)概念解析及研究進(jìn)展[J];中國(guó)圖書館學(xué)報(bào);2012年05期

2 趙妍妍;秦兵;劉挺;;文本情感分析[J];軟件學(xué)報(bào);2010年08期

3 張紫瓊;葉強(qiáng);李一軍;;互聯(lián)網(wǎng)商品評(píng)論情感分析研究綜述[J];管理科學(xué)學(xué)報(bào);2010年06期

4 劉建國(guó);周濤;郭強(qiáng);汪秉宏;;個(gè)性化推薦系統(tǒng)評(píng)價(jià)方法綜述[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2009年03期

5 許海玲;吳瀟;李曉東;閻保平;;互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J];軟件學(xué)報(bào);2009年02期

6 劉建國(guó);周濤;汪秉宏;;個(gè)性化推薦系統(tǒng)的研究進(jìn)展[J];自然科學(xué)進(jìn)展;2009年01期

7 藺豐奇;劉益;;信息過(guò)載問(wèn)題研究述評(píng)[J];情報(bào)理論與實(shí)踐;2007年05期

8 劉維湘;鄭南寧;游屈波;;非負(fù)矩陣分解及其在模式識(shí)別中的應(yīng)用[J];科學(xué)通報(bào);2006年03期

9 鄧愛林,朱揚(yáng)勇,施伯樂(lè);基于項(xiàng)目評(píng)分預(yù)測(cè)的協(xié)同過(guò)濾推薦算法[J];軟件學(xué)報(bào);2003年09期

10 潘曉軍,陳宏民;產(chǎn)品差異化與序貫推出的策略選擇[J];系統(tǒng)工程理論與實(shí)踐;2002年08期

，

本文編號(hào)：1704554