[发明专利]一种基于文本分析的推荐系统的推荐方法

说明书

本发明公开了一种基于文本分析的推荐系统的推荐方法，属于数据科学领域。它包括以下步骤：1)对用户评论进行拆分，得到若干句子；2)对步骤S1所得句子进行拆分，得到若干词汇，再对词汇进行词性标注；3)对步骤S2词性标注后的词汇进行情感分析，计算每句的情感得分；4)提取步骤S1的句子中的人物对象和描述对象，根据人物对象、描述对象和情感得分构建键值对；5)将步骤S4所得键值对作为新的特征向量整合入基于协同过滤的推荐系统中，得出推荐结果并将推荐结果推荐给用户。本发明的优点是：通过对文本的分析、处理，结合推荐系统方法，可以有效地提高推荐系统模型的效率和价值。

技术领域

本发明属于数据科学领域，具体涉及一种基于文本分析的推荐系统的推荐方法，尤其涉及自然语言处理和推荐系统。

背景技术

随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代走入了信息过载的时代，如何从大量信息中找到自己感兴趣的信息是一件非常困难的事情。推荐系统随之应运而生，旨在能够在用户没有明确目的的时候帮助他们发现感兴趣的新内容，从而实现个性化的定制服务。自然语言处理作为人工智能的一个重要分支，目的是建立能够理解语言的系统，也是近年来迅速发展的一个领域，在文本挖掘和文本分析方面已经得到了许多令人振奋的研究成果，目前在情感分析、人机交互、信息提取等场合都得到了非常重要的应用。

在现有的推荐系统实现方法中，协同过滤是向人们推荐产品的最受欢迎和成功的方法之一，目前大部分的公司的推荐算法的基础都是该算法。协同过滤主要有两种执行的方法：基于用户的协同过滤系统和基于物品的协同过滤系统。前者通过利用用户的历史行为计算用户之间的兴趣相似度，找到和目标用户兴趣相似的用户集合，然后将其他相似用户所感兴趣的物品推荐给目标用户。而后者主要通过分析用户行为记录计算物品之间的相似度，给用户推荐那些和他们之前喜欢的物品相似的物品。

近几年来，国内外学者对推荐系统进行了深入的研究，取得了丰硕的成果，包括对推荐系统结构和模型的讨论，提出新的方案，对现有的方案进行分析和改进等。然而推荐系统还存在以下的问题：

(1)推荐系统主要通过用户对物品的星级评价来进行协同过滤的相似度计算，而许多用户往往会在交互活动结束之后放弃评价，这就会给推荐效果造成一定的影响。

(2)在电商平台的实际交易过程中，用户对一个商品打出比较差的星级，往往并不是用户对商品本身有什么不好的感觉，有可能是对店家，快递商等有不好的购物体验。因此这会对相似度的计算造成负面的影响。

发明内容

本发明的目的在于：提供一种基于文本分析的推荐系统的推荐方法，通过分析实际应用场景中的文本信息，对文本信息进行提取、处理，并利用推荐系统方法，提高推荐系统的精确度和召回率。

本发明采用的技术方案如下：

一种基于文本分析的推荐系统的推荐方法，包括以下步骤：

步骤S1：对用户评论进行拆分，得到若干句子；

步骤S2：对步骤S1所得句子进行拆分，得到若干词汇，再对词汇进行词性标注；

步骤S3：对步骤S2词性标注后的词汇进行情感分析，计算每句的情感得分；

步骤S4：提取步骤S1的句子中的人物对象和描述对象，根据人物对象、描述对象和情感得分构建键值对；

步骤S5：将步骤S4所得键值对作为新的特征向量整合入基于协同过滤的推荐系统中，得出推荐结果并将推荐结果推荐给用户。

进一步的，本发明采用基于统计的分词方法对词性进行标注，该方法运用二阶隐马尔科夫模型将一个被标注过的大型语料库训练出一个分词模型和一个词性标注模型。

进一步的，所述步骤S3中，情感分析的具体步骤为：