[發明專利]基于評論者可信賴度回歸預測的商品評論推薦方法

有效

• 申請號: 202010516638.6
• 申請日: 2020-06-09
• 公開（公告）號: CN111666413B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 陳賢;王豪;夏英
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/289;G06Q30/0601;G06N3/048
• 代理公司: 重慶輝騰律師事務所 50215
• 代理人: 王海軍

1.一種基于評論者可信賴度回歸預測的商品評論推薦方法，其特征在于，包括以下步驟：

提取評論者可信賴度的相關屬性特征，并根據各個評論者屬性特征的計算公式計算評論者屬性特征值；所述評論者可信賴度的相關屬性特征包括：評論者的每兩個評論的長度差dif_len，同一評論者相同評論的數目num_same_com，評論相同星級的數目num_same_star，每個評論者的評論關鍵詞與網站提供的關鍵字標簽的不同信息dif_tag，不同星級的分數dif_star_score，評論者r的每條評論i中有用的詞useful_word，不同的關鍵詞dif_keyword，一個評論者對一個商品的評論數量num_com，評論者對同一商品的評分次數num_star，評論者上傳的圖片數num_img；

評論者的每兩個評論的長度差dif_len的計算方式包括：

其中，(i，j)表示評論對，len(i)表示評論i的長度，len(j)表示評論j的長度，表示評論者n條評論的組合，n表示評論者的評論總數；

每個評論者的評論關鍵詞與網站提供的關鍵字標簽的不同信息dif_tag的計算方式包括：

其中，num_key_word_i-num_tag_p表示將每條評論的關鍵詞與網站上提供的關鍵字標簽進行比較，p表示商品；

不同星級的分數dif_star_score的計算方式包括：

其中，score_i表示評論i的分數，score_p表示網站提供的商品p的分數；

評論者r的每條評論i中的有用的詞的計算方式包括：

其中，num_useful_word_i表示評論者r的每條評論i的有用的詞的數量；

不同的關鍵詞的計算方式包括：

其中，num_keyword(i，j)表示評論i和評論j共同擁有的相同關鍵字個數，max_num_keyword(i，j)取評論i和評論j中，擁有的關鍵字個數最多的數值；

根據計算出的評論者屬性特征值，利用回歸算法構建預測評論者可信賴得分模型，將計算出的評論者屬性特征值代入預測評論者可信賴得分模型中得到評論者的可信賴分數；

提取評論排序相關的有效指標，并根據各個評論有效指標的計算公式計算評論的有效指標值；

根據計算的評論有效指標值和評論者可信賴度分數，利用LambdaMART構建評論排序模型，根據評論排序模型計算并得到評論的最終排名；

根據評論的最終排名將評論按照排名次序進行排列，優先推薦排列靠前的評論。

2.根據權利要求1所述的一種基于評論者可信賴度回歸預測的商品評論推薦方法，其特征在于，所述評論排序相關的有效指標包括：評論者的可信賴度、評論中的關鍵詞與商品基本信息的相似度、評論中與其他評論的不同信息、評論日期。

3.根據權利要求1所述的一種基于評論者可信賴度回歸預測的商品評論推薦方法，其特征在于，所述利用回歸算法構建預測評論者可信賴得分模型包括：

r_score_i＝β₀+β₁f_i1+β₂f_i2+...+β_pf_ip+ε_ii＝1，2，...，k

其中，β₀為常數項，β₁、β₂、β_p為解釋變量的斜率系數，f_i1、f_i2、f_ip分別表示評論者i各特征屬性f₁、f₂、f_p的值，ε_i表示偏差，k表示評論者的數量。

4.根據權利要求1所述的一種基于評論者可信賴度回歸預測的商品評論推薦方法，其特征在于，評論排序模型采用LambdaMART構建，若某商品的所有評論共n條，從所有評論中提取任意兩條評論c_i、c_j組成評論對，評論對共有種可能的組合，對于每一個評論對c_ij，計算評論c_i排在評論c_j前的概率p_ij作為評論排序模型，評論排序模型的輸出為評論c_i的排名s_i和評論c_j的排名s_j，評論排序模型的表達式如下：

其中，P_ij＝P(c_i＞c_j)表示評論c_i排在評論c_j之前的概率，參數σ決定sigmoid函數的形狀。