[发明专利]一种基于深度学习的商品推荐方法及系统

权利要求书

1.一种基于深度学习的商品推荐方法，其特征在于：包括以下步骤：

S1：通过爬虫抓取商品的评论数据；

S2：对评论数据进行数据预处理；

S3：对数据进行特征提取；

S4：对商品评论进行细粒度分析；

S5：对商品评论进行量化打分；

S6：结合协同过滤进行商品推荐。

2.根据权利要求1所述基于深度学习的商品推荐方法，其特征在于：所述步骤S2中，具体包括以下步骤：

S21：对评论数据进行分词；

S22：进行停用词过滤；

S23：对词性进行标注。

3.根据权利要求1所述基于深度学习的商品推荐方法，其特征在于：所述步骤S3具体为：通过词频分析工具统计商品评论语料中所有名词出现的频率。

4.根据权利要求1所述基于深度学习的商品推荐方法，其特征在于：所述步骤S4中具体包括以下步骤：

S41：对商品评论文本单词进行向量化；

S42：通过深度递归网络的细粒度情感分析模型进行情感分析。

5.根据权利要求1所述基于深度学习的商品推荐方法，其特征在于：所述步骤S5中具体为：构造矩阵将对应词语模糊量化和构造情感词语所对应的模糊集合，将商品评论转化为评分矩阵R[u][i]，标志用户u对物品i的评分。

6.一种基于深度学习的商品推荐系统，其特征在于：包括：

数据抓取模块，用于通过爬虫抓取商品的评论数据；

预处理模块，用于对评论数据进行数据预处理；

特征提取模块，用于对数据进行特征提取；

细粒度分析模块，用于对商品评论进行细粒度分析；

量化打分模块，用于对商品评论进行量化打分；

推荐模块，用于结合协同过滤进行商品推荐。

7.根据权利要求6所述基于深度学习的商品推荐系统，其特征在于：所述预处理模块包括：

分词子模块，用于对评论数据进行分词。

停用词过滤子模块，用于进行停用词过滤。

词性标注子模块，用于对词性进行标注。

8.根据权利要求6所述基于深度学习的商品推荐系统，其特征在于：所述特征提取模块通过词频分析工具统计商品评论语料中所有名词出现的频率。

9.根据权利要求6所述基于深度学习的商品推荐系统，其特征在于：所述细粒度分析模块包括：

向量化子模块，用于对商品评论文本单词进行向量化；

情感分析模块，用于通过深度递归网络的细粒度情感分析模型进行情感分析。

10.根据权利要求6所述基于深度学习的商品推荐系统，其特征在于：所述量化打分模块通过构造矩阵将对应词语模糊量化和构造情感词语所对应的模糊集合，将商品评论转化为评分矩阵R[u][i]，标志用户u对物品i的评分。