典型文献
面向推荐系统的用户评论体验提取方法
文献摘要：
推荐技术能够根据用户的历史行为等客观数据推测用户的偏好,为电商营销和运维提供决策依据和指导.为了提高特定电子商务领域推荐的准确度,从不同角度研究分析了用户评论体验,加强对用户语言模式的本体研究,有效区分主题和非主题产品特征,并给出用户体验的符号描述.提出了一种面向推荐系统的用户体验提取算法,将用户体验特征词、副词、修饰语构建的短语作为具有推荐解释功能的标签,弥补了传统的标签推荐方法需要依赖标签数据源的问题.同时提出用户体验概念,给出提取算法流程,设计了针对评论内容的协同滤波算法,可以提取用户体验情感极性用于用户评分,结合情感极性与体验特征还可以应用于基于张量的推荐系统.实验结果表明,提取的用户体验同时具有准确性和多样性,并且能够保证较高的准确率与查全率.
文献关键词：
推荐系统;偏好;用户评论;用户体验;协同滤波;情感极性
中图分类号：
作者姓名：
粟勇;谢裕清;孙华成;王远;王永利
作者机构：
南瑞集团有限公司(国网电力科学研究院有限公司),江苏 南京 211100;江苏瑞中数据股份有限公司,江苏 南京 211100;国网浙江省电力有限公司信息通信分公司,浙江 杭州 310000;南京理工大学 计算机科学与工程学院,江苏 南京 210094
文献出处：
引用格式：
[1]粟勇;谢裕清;孙华成;王远;王永利-.面向推荐系统的用户评论体验提取方法)[J].计算机技术与发展,2022(06):52-56
A类：
协同滤波算法
B类：
推荐系统,用户评论,史行,客观数据,电商营销,决策依据,语言模式,本体研究,产品特征,用户体验,体验特征,特征词,副词,修饰语,短语,标签推荐,推荐方法,标签数据,数据源,取用,体验情感,情感极性,张量,查全率
AB值：
0.344987
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
