[发明专利]基于用户评论的深度情感分析和多源推荐视图融合的混合推荐方法

说明书

本发明提出了一种基于用户评论的深度情感分析和多源推荐视图融合的混合推荐方法，包括如下步骤：S1，通过挖掘用户评论的情感倾向，实现基于用户综合评分的协同过滤推荐模型；S2，利用词向量和卷积神经网络实现对物品内容信息进行相似度计算；S3，利用协同训练的策略实现对多源推荐视图的融合，构建混合推荐模型。为利用用户评论等短文本信息挖掘情感倾向，解决用户评分的真实性问题提供解决方案；为解决对物品内容短文本描述的理解，多个视图的推荐模型的融合提供理论基础和技术手段。

技术领域

本发明涉及计算机领域，尤其涉及一种基于用户评论的深度情感分析和多源推荐视图融合的混合推荐方法。

背景技术

在电子商务、社交网络以及共享经济高速发展的今天，发现用户的需求、了解用户的行为、并为用户筛选出最相关的信息和物品是互联网服务的一个核心环节。个性化推荐作为一种帮助用户快速搜寻有用信息的工具，越来越受到人们的青睐。

传统的推荐算法通过根据用户对物品的评分进行协同过滤推荐。然而这种推荐方式受用户评分真实性的制约，依据用户评分产生推荐结果并不能准确地体现用户的偏好。通过比较用户评分和评论文本的情感倾向，指出用户评分并不能真实反映用户评论的情感倾向。现有技术对用户评分进行统计分析，发现用户对物品的评分比较随意、且评分等级分布极度不均衡；基于用户评论的个性化推荐被很多研究工作提及，但受文本挖掘和情感分析等技术的困扰，研究并不深入。

物品内容的描述文本通常较短，无足够的信息量供机器进行统计推断。传统的自然言语处理技术(如词袋模型)将文本表示成一个W维的独热向量，但这种独热表示假设所有对象都是相互独立的，容易受到数据稀疏问题的影响。

另一方面，由于评分(rating)相对于物品(item)的稀疏性，因此，基于模型的推荐通常缺乏足够的有标签数据。这就亟需本领域技术人员解决相应的技术问题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于用户评论的深度情感分析和多源推荐视图融合的混合推荐方法。

为了实现本发明的上述目的，本发明提供了一种基于用户评论的深度情感分析和多源推荐视图融合的混合推荐方法，包括如下步骤：

S1，通过挖掘用户评论的情感倾向，实现基于用户综合评分的推荐模型；

S2，利用词向量和卷积神经网络实现对物品内容信息进行相似度计算；

S3，利用协同训练策略实现对多源推荐视图的融合，构建混合推荐模型。

所述的基于用户评论的深度情感分析和多源推荐视图融合的混合推荐方法，优选的，所述S1包括：

S1-1，用户评论信息的呈现形式通常是关键词和短文本，利用Word2Vec对用户评论短文本进行分布式表征；

S1-2，利用用户评论文本的词向量信息组建段落向量，从而实现基于段落向量的情感计算；

S1-3，通过基于词向量(Word2Vec)和长短期记忆网络(LSTM)的情感计算，对用户评论的文本信息进行情感分析建模。

所述的基于用户评论的深度情感分析和多源推荐视图融合的混合推荐方法，优选的，所述S1-1包括：

A，从外部收集大规模的用户评论文本，利用word2vec中的Skip-Gram模型或CBOW模型训练词向量模型，将每个词表示成K维向量实数值；

B，对于用户评论的短文本，在分词的基础上利用TF-IDF(词频-逆文档频率)算法抽取Top-N(前N个高频词)个词表示文本的情感，然后从词向量模型中查找得到每一个关键词的K维向量表示。

所述的基于用户评论的深度情感分析和多源推荐视图融合的混合推荐方法，优选的，所述S1-2包括：