[發明專利]一種基于觀點增強的主題協同過濾推薦方法

在審

• 申請號: 201810036537.1
• 申請日: 2018-01-15
• 公開（公告）號: CN108228867A
• 公開（公告）日: 2018-06-29
• 發明（設計）人: 彭敏;施洪亮;胡剛
• 申請（專利權）人: 武漢大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06Q30/06
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 魏波

1.一種基于觀點增強的主題協同過濾推薦方法，其特征在于，包括以下步驟：

步驟1：基于LDA主題模型提取評論文本屬性面；

步驟2：根據LDA提取到的屬性詞，利用word2vec模型計算屬性詞之間的關系，將相似的屬性詞歸為一類；

步驟3：通過屬性面觀點增強分析得到評論文本的情感極性；

步驟4：根據情感詞極性和屬性詞構建打分矩陣，根據打分方式通過協同過濾算法計算用戶之間的相似性；

步驟5：對任意用戶u，從步驟4中的相似度矩陣選擇與其最相似的k個鄰居，將相似度最高的商品推薦給用戶u。

2.根據權利要求1所述的基于觀點增強的主題協同過濾推薦方法，其特征在于：步驟1中，利用LDA算法進行短文本的主題挖掘，挖掘一個商品的各屬性詞。

3.根據權利要求1所述的基于觀點增強的主題協同過濾推薦方法，其特征在于：步驟2中，word2vec模型將每個屬性詞映射到一個低維稠密的實數向量空間，在空間上，語義相似的詞能夠匯聚成一起形成一個屬性面。

4.根據權利要求1所述的基于觀點增強的主題協同過濾推薦方法，其特征在于：步驟3中，評論文本的情感極性表達了用戶對商品的情感傾向，分為積極、消極和中性三種；采用觀點增強的方法來計算每個評論文本的情感傾向；同時，結合每個評論文本的用戶總體星數評分與情感傾向進行判斷，對不一致情況下的評論文本進行剔除；其中，將評論文本一顆或兩顆星定義為消極，得分為-1；評論是三顆星的定義為中性，得分為0；評論是四顆或五顆星則定義為積極，得分為1。

5.根據權利要求1所述的基于觀點增強的主題協同過濾推薦方法，其特征在于：步驟4中，根據主題-詞匯分布以及情感極性打分，得到用戶i對商品j的f_k屬性面的偏好度為：

其中，為主題詞w_n在屬性面f_k分布中的概率值，屬性面f_k由主題f_n根據word2vec模型匯集而成；S_ij為用戶i對商品j評論的情感打分；N表示評論文本中總的用戶數；

結合關注度的影響，得到用戶i對商品j的f_k屬性面的綜合評分：

P_ijk＝θ_ikF_ijk (2)

其中，LDA主題模型中所得到的文檔-主題分布矩陣θ_ik用于表達用戶i對第k個屬性面的關注度；

結合公式(2)提供的用戶i對商品j的f_k屬性面的綜合評分，對于用戶u和用戶v，定義它們對商品j的屬性面情感評分分別為P_ujk和P_vjk，進而通過協同過濾算法得到用戶u和用戶v在評論文本屬性面上的相似度：

其中，I_u和I_v分別表示商品評論集合，k_uj和k_vj分別表示用戶u和用戶v對商品j的屬性面的評論文本集合；根據屬性面相似度評分，對用戶u的n個鄰近用戶計算商品c的評分：

其中，b_uc表示基準的平均推薦評分，r_uj表示用戶u對商品j的評分，b_aj表示用戶u的相似用戶對商品j的平均評分；a表示用戶u相似用戶中的其中一個，總共n個。

6.根據權利要求1-5任意一項所述的基于觀點增強的主題協同過濾推薦方法，其特征在于：步驟5中，通過計算不同主題數k下的MAE值并確定最優的主題數；

其中，{p₁,p₂,...,p_n}表示通過推薦算法得到的用戶評論文本集合，p_i表示集合中的一個值；{q₁,q₂,...,q_n}表示實際的用戶評分集合，q_j表示此集合中的一個值。