[發明專利]用戶評論自動推薦方法

有效

• 申請號: 201710779830.2
• 申請日: 2017-09-01
• 公開（公告）號: CN107577759B
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 李斌;劉克禮;萬賽羅;董露露
• 申請（專利權）人: 安徽廣播電視大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9536
• 代理公司: 蘇州中合知識產權代理事務所(普通合伙) 32266
• 代理人: 趙曉芳

1.一種用戶評論自動推薦方法，其特征在于，所述方法步驟包括:

步驟1:根據評論內容和評論者的行為對評論進行全局有用性分析研究，過濾掉一部分無用的評論；

步驟2:對步驟1過濾后的評論進行評論相關信息挖掘；

步驟3:抓取用戶個性化信息，并對用戶個性化意圖和偏好進行挖掘；所述抓取用戶個性化信息的方法是啟發式信息和規則來收集用戶的個性化信息；

步驟4:在步驟2和步驟3的基礎上，將用戶意圖偏好與對應評論進行匹配，選擇出符合用戶需求偏好的評論；

步驟5:對推薦給用戶的評論進行排序；

步驟1所述過濾無用評論的方法是通過評論者與評論相互作用來識別出無用的評論，具體步驟為:根據評論的特征，使用機器學習方法進行建模，通過足夠的語料進行模型訓練，判斷并找出無用評論，通過所述無用評論找到該評論的作者，然后通過作者找到更多的無用評論，然后利用這些無用評論繼續找作者，這樣不斷的迭代，最終對無用的評論進行全面準確的過濾。

2.根據權利要求1所述的用戶評論自動推薦方法，其特征在于，步驟2所述過濾后的評論分為對商品的評論和對事件的評論，所述評論相關信息挖掘包括:評論中商品屬性的抽取和評論中事件及其相關屬性的抽取。

3.根據權利要求2所述的用戶評論自動推薦方法，其特征在于，所述評論中商品屬性的抽取方法為:首先，選擇一條評論，識別該評論針對的商品類別，其次，根據所述商品類別找到其他同類別的若干商品，然后挖掘出對這些商品的描述性文本，再然后采用多文檔的關鍵詞抽取方法，從這些文本中抽取出這類商品的通常會被討論的對象、屬性，根據抽取的對象和屬性形成關鍵詞集合，最后回到評論，簡單匹配出同時出現在評論中和關鍵詞集合中的詞，這些詞即作為該評論的對象和對象的屬性。

4.根據權利要求2所述的用戶評論自動推薦方法，其特征在于，所述評論中事件及其相關屬性的抽取方法為:首先對原始評論進行文本預處理，其次提取出訓練集中的若干觸發詞作為原始的觸發詞，此處人工搜集一些關于發表看法、態度的觸發詞，對這些觸發詞用同義詞詞典進行擴展，然后，結合文本預處理的結果以及觸發詞擴展結果對候選事件進行提取，并獲取候選類別，組成訓練實例，結合詞法特征，上下文特征，辭典特征從不同的角度描述候選事件，并使用分類器對候選事件進行二元分類，從而獲得候選事件的類別，最后，考察被判別為事件即含有觸發詞的文本句，獲取其所有的實體、時間點等作為候選元素，類別標簽由事件類別所對應的模板表示，因此將事件元素識別轉換為多元分類問題獲得事件元素及其所對應的角色。

5.根據權利要求1所述的用戶評論自動推薦方法，其特征在于，所述個性化信息包含有用戶對于商品及其屬性的需求和偏好和用戶對評論的需求和偏好，有助于個性化信息收集的信息有:用戶自己發表過的評論、用戶對他人的評論進行評價、購買商品的歷史信息、用戶提供的個人信息和其他個人信息和用戶瀏覽行為信息。

6.根據權利要求1所述的用戶評論自動推薦方法，其特征在于，步驟3所述用戶個性化意圖和偏好進行挖掘方法包括:個性化信息的處理與組織、用戶個性化信息的自適應跟蹤與學習，所述個性化信息的處理與組織方法為:將用戶需求偏好設計成數據結構，所述數據結構的數據包括:作為唯一標識的用戶ID、興趣點:興趣度、本用戶所寫的評論和本用戶認為有幫助的評論，根據 上述數據通過機器學習和數據挖掘得到用戶個性化信息，所述用戶個性化信息的自適應跟蹤與學習是對用戶的個性化信息進行定期更新和實時更新。

7.根據權利要求1所述的用戶評論自動推薦方法，其特征在于，步驟4所述將用戶意圖偏好與對應評論進行匹配的方法包含有:根據評論內容的匹配和根據評論者與讀者的關系網絡的匹配，所述根據評論內容的匹配方法是利用機器學習方法在用戶的個性化數據和被推薦的評論之間建立映射關系模型，使得系統找到與用戶匹配的若干評論，這些評論即為被推薦給該用戶的評論，所述根據評論者與讀者的關系網絡的匹配方法是通過機器學習方法建立這一網絡關系，根據評論的評論者，可以評估出用戶與評論之間的匹配度。

8.根據權利要求1所述的用戶評論自動推薦方法，其特征在于，步驟5所述對推薦給用戶的評論進行排序采用RankSvm排序算法對選定被推薦的評論進行排序，在所述排序中涉及到的特征包括:全局有用性分析中得到的評論質量分數、用戶意圖與對應評論中使用到的特征和評論的權威性。