[发明专利]基于细粒度情感分析的个性化评论文本推荐系统及推荐方法

说明书

本发明提供一种基于细粒度情感分类的个性化评论文本推荐系统，其包括关联商品构建模组、关联用户构建模组、方面、短语提取模组、情感分析模组、用户方面情感相似度计算模组、用户相似度计算模组、帮助性分数计算模组及个性化评论推荐模组。所述关联商品构建模组构建关联商品集合。所述关联用户构建模组构建关联用户集合。所述方面、短语提取模组提取商品评论文本中的商品方面词及短语。所述情感分析模组计算用户的方面情感分数。所述用户方面情感相似度计算模组计算用户之间的方面情感相似度。所述用户相似度计算模组获得相似用户。所述帮助性分数计算模组计算相似用户的评论文本的帮助性分数并对应推荐评论文本给目标用户。同时，本发明还提供一种采用所述推荐系统的推荐方法。

技术领域

本发明涉及评论文本自动推荐技术领域，特别的，涉及一种基于细粒度情感分类分析的个性化评论文本推荐系统及推荐方法。

背景技术

随着互联网技术的爆发式发展，社会化网络已经成为当今信息传播、信息交流的主要平台，人与人之间的互动和联系越来越依赖于社交网络。在线购物平台是社会化网络的一种，如亚马逊、淘宝及京东等。

当用户于在线购物平台购物时，其需要使用在线购物平台的用户对在售商品销量、喜好、质量等做出评价，将自身的体验感受以信息评论文本发布方式更新，且更新速度异常快捷，造成在线购物平台产生巨大冗余信息，给用户甄别感兴趣的评论文本造成困扰。

同时，用户进行购物之前，会参考已经购买用户的评论，并作为购买决策的判断依据。

为了方便目标用户在海量信息评论文本中找到自己感兴趣的信息，需要借助智能系统实现，以帮助用户从海量评论文本中找到感兴趣的评论文本。社会化网络推荐系统的研究能够拓展社会网络中用户评论文本信息的推荐精度和推荐范围，完成主动精准推送，帮助用户快速找到感兴趣的评论文本信息。

然而，在社会化网络推荐系统中，如何利用社会网络结构和文本信息构建推荐系统框架是业界研究的难题。以在线销售平台为例，用户如何在评论中通过推荐系统快速精准接收到感兴趣的评论文本，现有技术中有不同的解决方案。

现有技术一揭示一种在电商网站上推荐高质量、具有代表性的评论文本方法如图1所示，其包括如下步骤：

步骤S11，提取关键词：从在售商品的评论文本中提取包含商品属性特征的关键字，并将上述关键词进行同义词合并；

步骤S12，预测商品评论的质量分数：使用动态神经网络检测在售商品的评论文本的质量分数，预测商品评论文本的质量分数；

步骤S13，根据步骤S11提取的关键词结果和步骤S12中的预测商品评论的质量分数结果，筛选topK条有着较高质量且涵盖商品各个方面特性的评论；

步骤S14，用户根据步骤S13中的topK条评论文本作为判断依据选择目标商品的购买与否。

在现有技术一的评论文本推荐方法中，因为目标商品自身具有多种商品属性特征，且每个用户对目标商品属性特征的要求不一样，而推荐的topK条评论文本是面向所有用户的，而不是个性化地针对某个用户的兴趣要求推荐的评论文本，也就是说，针对不同的用户，其得到的推荐评论文本结果是一致的，例如用户一关注商品的属性a，而用户二关注商品的属性b，当针对上述用户一和用户二推荐同样的商品评论文本时，对用户一及用户二做出购买决策容易造成误导。

现有技术二揭示一种基于社交大数据作个性化评论文本排名的系统如图2所示，所述基于社交大数据作个性化评论文本排名的系统20包括离线处理模块21和在线推荐模块23。

所述离线处理模块21对推荐评论文本信息进行处理过程包括依次设置的方面总结步骤和用户向量生成步骤。

请参阅图3，是图2所示基于社交大数据作个性化评论文本排名的系统的离线处理模块的处理流程示意图。所述方面总结步骤旨在从评论文本中提取特征以及特征的极性权重，具体包括如下步骤：