[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

本發明公開了一種用戶評論自動推薦方法，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；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，以達到根據用戶的個性化信息將獲取的有用評論推薦給用戶的目的。

技術領域

本發明涉及網絡評論篩選推薦領域，具體涉及一種用戶評論自動推薦方法。

背景技術

用戶評論是表述人們觀點的一種獨特的語言形式，同時也是人們意識交互的重要媒介，比如，人們往往希望借助評論，間接地獲取對客觀事物的認識，并借以指導自身的判斷和行為。借助互聯網的發展，用戶評論的數量和門類日漸豐富，傳輸和共享速度與日俱增，人們能夠借助網絡上的主觀性文本實現高效的思維碰撞，且能借助他人的知識快捷便利地認識和理解客觀世界。然而，自由網絡賦予的“誰都能寫，誰都能讀”的信息衍生和傳輸特性，造成大量低質量的評論，同時因欠缺人工或機器自動的識別、組織和監管，人們很難在屏蔽低質量、不相關甚至“危害性”(如“煽動”性評論)評論的同時，獲取滿足自身知識獲取意圖的高質量用戶評論。目前，國內外面向用戶評論的推薦技術研究尚不深入，尤其是在探索基于主觀性特征及其結合查詢意圖特征的評論價值自動評估，以及相關評論識別、匹配、組織與推薦方面的研究尚屬空白。

發明內容

為解決上述技術問題，本發明提出了用戶評論自動推薦方法，以達到根據用戶的個性化信息將獲取的有用評論推薦給用戶的目的。

為達到上述目的，本發明的技術方案如下：

一種用戶評論自動推薦方法，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；

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。

作為優選的，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。

作為優選的，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。

作為優選的，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。