[發(fā)明專利]基于細(xì)粒度情感分析的個(gè)性化評(píng)論文本推薦系統(tǒng)及推薦方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010245004.1
• 申請(qǐng)日: 2020-03-31
• 公開(kāi)（公告）號(hào): CN111460819B
• 公開(kāi)（公告）日: 2023-06-20
• 發(fā)明（設(shè)計(jì)）人: 姜文君;黃春利;李肯立;任德盛;徐旸
• 申請(qǐng)（專利權(quán)）人: 湖南大學(xué)
• 主分類號(hào): G06F40/289
• 分類號(hào): G06F40/289;G06F40/30;G06Q30/0201;G06Q30/0203;G06Q30/0601
• 代理公司: 深圳市中原力和專利商標(biāo)事務(wù)所(普通合伙) 44289
• 代理人: 胡國(guó)良

本發(fā)明提供一種基于細(xì)粒度情感分類的個(gè)性化評(píng)論文本推薦系統(tǒng)，其包括關(guān)聯(lián)商品構(gòu)建模組、關(guān)聯(lián)用戶構(gòu)建模組、方面、短語(yǔ)提取模組、情感分析模組、用戶方面情感相似度計(jì)算模組、用戶相似度計(jì)算模組、幫助性分?jǐn)?shù)計(jì)算模組及個(gè)性化評(píng)論推薦模組。所述關(guān)聯(lián)商品構(gòu)建模組構(gòu)建關(guān)聯(lián)商品集合。所述關(guān)聯(lián)用戶構(gòu)建模組構(gòu)建關(guān)聯(lián)用戶集合。所述方面、短語(yǔ)提取模組提取商品評(píng)論文本中的商品方面詞及短語(yǔ)。所述情感分析模組計(jì)算用戶的方面情感分?jǐn)?shù)。所述用戶方面情感相似度計(jì)算模組計(jì)算用戶之間的方面情感相似度。所述用戶相似度計(jì)算模組獲得相似用戶。所述幫助性分?jǐn)?shù)計(jì)算模組計(jì)算相似用戶的評(píng)論文本的幫助性分?jǐn)?shù)并對(duì)應(yīng)推薦評(píng)論文本給目標(biāo)用戶。同時(shí)，本發(fā)明還提供一種采用所述推薦系統(tǒng)的推薦方法。

技術(shù)領(lǐng)域

本發(fā)明涉及評(píng)論文本自動(dòng)推薦技術(shù)領(lǐng)域，特別的，涉及一種基于細(xì)粒度情感分類分析的個(gè)性化評(píng)論文本推薦系統(tǒng)及推薦方法。

背景技術(shù)

隨著互聯(lián)網(wǎng)技術(shù)的爆發(fā)式發(fā)展，社會(huì)化網(wǎng)絡(luò)已經(jīng)成為當(dāng)今信息傳播、信息交流的主要平臺(tái)，人與人之間的互動(dòng)和聯(lián)系越來(lái)越依賴于社交網(wǎng)絡(luò)。在線購(gòu)物平臺(tái)是社會(huì)化網(wǎng)絡(luò)的一種，如亞馬遜、淘寶及京東等。

當(dāng)用戶于在線購(gòu)物平臺(tái)購(gòu)物時(shí)，其需要使用在線購(gòu)物平臺(tái)的用戶對(duì)在售商品銷量、喜好、質(zhì)量等做出評(píng)價(jià)，將自身的體驗(yàn)感受以信息評(píng)論文本發(fā)布方式更新，且更新速度異常快捷，造成在線購(gòu)物平臺(tái)產(chǎn)生巨大冗余信息，給用戶甄別感興趣的評(píng)論文本造成困擾。

同時(shí)，用戶進(jìn)行購(gòu)物之前，會(huì)參考已經(jīng)購(gòu)買用戶的評(píng)論，并作為購(gòu)買決策的判斷依據(jù)。

為了方便目標(biāo)用戶在海量信息評(píng)論文本中找到自己感興趣的信息，需要借助智能系統(tǒng)實(shí)現(xiàn)，以幫助用戶從海量評(píng)論文本中找到感興趣的評(píng)論文本。社會(huì)化網(wǎng)絡(luò)推薦系統(tǒng)的研究能夠拓展社會(huì)網(wǎng)絡(luò)中用戶評(píng)論文本信息的推薦精度和推薦范圍，完成主動(dòng)精準(zhǔn)推送，幫助用戶快速找到感興趣的評(píng)論文本信息。

然而，在社會(huì)化網(wǎng)絡(luò)推薦系統(tǒng)中，如何利用社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)和文本信息構(gòu)建推薦系統(tǒng)框架是業(yè)界研究的難題。以在線銷售平臺(tái)為例，用戶如何在評(píng)論中通過(guò)推薦系統(tǒng)快速精準(zhǔn)接收到感興趣的評(píng)論文本，現(xiàn)有技術(shù)中有不同的解決方案。

現(xiàn)有技術(shù)一揭示一種在電商網(wǎng)站上推薦高質(zhì)量、具有代表性的評(píng)論文本方法如圖1所示，其包括如下步驟：

步驟S11，提取關(guān)鍵詞：從在售商品的評(píng)論文本中提取包含商品屬性特征的關(guān)鍵字，并將上述關(guān)鍵詞進(jìn)行同義詞合并；

步驟S12，預(yù)測(cè)商品評(píng)論的質(zhì)量分?jǐn)?shù)：使用動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)檢測(cè)在售商品的評(píng)論文本的質(zhì)量分?jǐn)?shù)，預(yù)測(cè)商品評(píng)論文本的質(zhì)量分?jǐn)?shù)；

步驟S13，根據(jù)步驟S11提取的關(guān)鍵詞結(jié)果和步驟S12中的預(yù)測(cè)商品評(píng)論的質(zhì)量分?jǐn)?shù)結(jié)果，篩選topK條有著較高質(zhì)量且涵蓋商品各個(gè)方面特性的評(píng)論；

步驟S14，用戶根據(jù)步驟S13中的topK條評(píng)論文本作為判斷依據(jù)選擇目標(biāo)商品的購(gòu)買與否。

在現(xiàn)有技術(shù)一的評(píng)論文本推薦方法中，因?yàn)槟繕?biāo)商品自身具有多種商品屬性特征，且每個(gè)用戶對(duì)目標(biāo)商品屬性特征的要求不一樣，而推薦的topK條評(píng)論文本是面向所有用戶的，而不是個(gè)性化地針對(duì)某個(gè)用戶的興趣要求推薦的評(píng)論文本，也就是說(shuō)，針對(duì)不同的用戶，其得到的推薦評(píng)論文本結(jié)果是一致的，例如用戶一關(guān)注商品的屬性a，而用戶二關(guān)注商品的屬性b，當(dāng)針對(duì)上述用戶一和用戶二推薦同樣的商品評(píng)論文本時(shí)，對(duì)用戶一及用戶二做出購(gòu)買決策容易造成誤導(dǎo)。

現(xiàn)有技術(shù)二揭示一種基于社交大數(shù)據(jù)作個(gè)性化評(píng)論文本排名的系統(tǒng)如圖2所示，所述基于社交大數(shù)據(jù)作個(gè)性化評(píng)論文本排名的系統(tǒng)20包括離線處理模塊21和在線推薦模塊23。

所述離線處理模塊21對(duì)推薦評(píng)論文本信息進(jìn)行處理過(guò)程包括依次設(shè)置的方面總結(jié)步驟和用戶向量生成步驟。

請(qǐng)參閱圖3，是圖2所示基于社交大數(shù)據(jù)作個(gè)性化評(píng)論文本排名的系統(tǒng)的離線處理模塊的處理流程示意圖。所述方面總結(jié)步驟旨在從評(píng)論文本中提取特征以及特征的極性權(quán)重，具體包括如下步驟：