[发明专利]一种基于多源用户评论的评分预测方法

权利要求书

1.一种基于多源用户评论的评分预测方法，其特征在于，包括以下步骤：

S1、对每条用户历史消费记录进行数据预处理；

S2、针对每位用户u消费过的每个物品i，根据用户-物品评分矩阵和相似度公式计算得到不同用户之间的相似度，选择出消费过物品i的所有用户中与用户u相似度最高的相似用户撰写的对物品i的评论，并把该评论添加至用户u的评论补充文档中；

S3、分别提取用户u的评论补充文档、物品i的评论文档以及用户u的评论文档的评论特征；

S4、将提取的评论特征进行连接，并将连接后的向量输入至多层感知器中进行评论特征融合处理，并根据融合结果得到最终的评分预测结果，从而完成基于多源用户评论的评分预测。

2.根据权利要求1所述的基于多源用户评论的评分预测方法，其特征在于，所述步骤S1包括以下步骤：

S101、删除每条用户历史消费记录的评论中的停止词、数字、标点符号以及出现频率高于0.5的高频单词，其中，停止词为使用频率高的字或词，包括冠词、介词、副词或连词；

S102、根据经删除操作后的每条用户历史消费记录的评论，计算得到数据中包含的所有单词的TF-IDF分数，并选择TF-IDF分数最高的2万个单词构建词典，其中，TF-IDF表示词频-逆向文件频率；

S103、删除评论中所述词典以外的所有单词；

S104、对英文单词/中文字数长度超过300的评论做截断操作，并对英文单词/中文字数长度不满300的评价补0并延长长度至300，从而完成对用户历史消费记录中评论的数据预处理。

3.根据权利要求1所述的基于多源用户评论的评分预测方法，其特征在于，所述步骤S2包括以下步骤：

S201、从经预处理后的用户历史消费记录中筛选出包含有物品i但不包括用户u的所有用户消费记录；

S202、将对物品i评分与用户u之间差异不超过1的用户作为用户u的候选相似用户；

S203、利用用户-物品评分矩阵和相似度公式计算得到用户u的候选相似用户中的所有用户与用户u的相似度；

S204、将与用户u相似度最高的相似用户对物品i的评论作为用户u的补充评论，并把所述补充评论添加至用户u的评论补充文档中；

S205、判断用户u的每条历史消费记录是否都进行了评论补充，若是，则进入步骤S3，否则，返回步骤S201。

4.根据权利要求3所述的基于多源用户评论的评分预测方法，其特征在于，所述步骤S203中所有用户与用户u的相似度r_x,y的表达式如下：

其中，I_x和I_y为用户x和用户y消费过的物品集合，x_i和y_i为用户x和用户y对物品i的评分，和为用户x和用户y的平均分。

5.根据权利要求1所述的基于多源用户评论的评分预测方法，其特征在于，所述步骤S3包括以下步骤：

S301、分别对用户u的评论补充文档、物品i的评论文档以及用户u的评论文档中每个单词进行词嵌入处理，分别得到用户u评论补充文档的词嵌入矩阵、物品i评论文档的词嵌入矩阵以及用户u评论文档的词嵌入矩阵；

S302、利用卷积神经网络提取上述各所述词嵌入矩阵中的评论特征。

6.根据权利要求5所述的基于多源用户评论的评分预测方法，其特征在于，所述步骤S301包括以下步骤：

S3011、分别将用户u评论补充文档、物品i评论文档以及用户u评论文档中的每个单词映射至多维空间中，并用相应的词嵌入向量表示；

S3012、根据各单词在上述各文档中的位置，将所述词嵌入向量表示进行连接，分别得到用户u评论补充文档的词嵌入矩阵、物品i评论文档的词嵌入矩阵以及用户u评论文档的词嵌入矩阵，所述词嵌入矩阵的表达式如下：

D＝(e₁,e₂,...,e_l)

其中，D为词嵌入矩阵，l为评论文档的长度，e_i为文档中第i个单词对应的词嵌入向量，i＝1,2,...,l。