[发明专利]一种基于文本评论挖掘的智能餐饮推荐算法

摘要

本发明涉及基于文本评论挖掘的智能餐饮推荐算法，本发明属于计算机算法领域。本发明通过搜集用户餐饮数据，建立用户餐厅打分矩阵，计算用户打分相似度；提取出特征情感词对；合并同类特征，量化各特征的分数；建立用户偏好打分矩阵，计算用户的偏好相似度；计算用户综合相似度；计算用户信任值；计算用户间的信任度；基于用户间信任度通过加权评价值为餐厅打分；推荐前N个餐厅。本发明利用文本评论挖掘的方法，制定了一系列抽取规则，形成评论摘要，利用依存句法从评论摘要中提取出用户对餐厅的环境、服务等特征属性的情感信息，将特征属性量化之后的分数与用户的餐厅总体打分结合，对餐厅进行推荐。与传统的餐饮推荐相比，提高了推荐的准确率。

主权项

1.一种基于文本评论挖掘的智能餐饮推荐算法，其特征在于：算法步骤如下：1)、搜集用户餐饮数据，根据收集数据信息建立如下式的用户‑餐厅打分矩阵，分别定义餐饮数据为用户U，餐厅G，用户打分M，用户评论，式中表示用户U_i对餐厅G_j的打分；并采用用户‑餐厅打分矩阵通过下式计算得到欧几里得距离：采用上式得到的欧几里得距离通过下式计算打分相似度：式中其中D_i,j为用户U_i和U_j的欧几里得距离，和为用户对餐厅a的打分，A为用户U_i和用户U_j共同打过分的餐厅数目；为用户U_i和用户U_j的打分相似度；2)、针对步骤1)中的用户评论进行分词与词性标记；采用LTP对预处理后的评论短句进行依存句法分析；得到句子各成分之间的依存关系类型；制定摘要抽取规则从依存句法树中提取出特征情感词；特征情感词对的形式为W＝(wc,we)，式中wc为特征属性词，we为此特征的修饰词；3)、分别针采用服务，环境，卫生，菜品为特征；通过如下式合并同类特征量化各特征:Gj＝{wc1:[we11,we12,…we1n]；wc2:[we21,we22,…we2n]；…wc4:[we41,we42,…we4n]}式中wc1,wc2,wc3,wc4分别对应为服务，环境，卫生，菜品；wem1,wem2…wemn为该特征下的所有修饰词；并建立积极情感词典、消极情感词典、否定情感词典与程度副词词典，对每个特征进行评分；4)、针对步骤3)得到评分建立如下用户‑偏好打分矩阵：其中：表示用户U_j对4个特征c_m(服务，环境，卫生，菜品)的打分；并通过如下式计算用户偏好相似度式中其中D_i,j为用户U_i和U_j的欧几里得距离，和为用户对特征b的打分，B为用户U_i和用户U_j共同打过分的特征数目；为用户U_i和用户U_j的打分相似度。5)、将步骤1中得到的用户打分相似度与步骤4)得到的用户偏好相似度通过下式进行权值结合：其中：β等于0.5；6)、分别计算户活跃度与用户评价有效率；通过下式得到用户活跃度其中HU为用户的活跃度，e是自然底数，n为标记操作的次数，ti为持续时间，υ为活跃度；通过下式判断评论是否为有效评论，Nfavour为评论赞成数，Nagainst为评论反对数；再通过下式计算有效评价的有效率：其中EU为用户评论有效率，N有效评论为有效评论的数量，N评论为该用户的评论总数；7)、针对步骤6得到的用户活跃度和用户评价有效率，通过下式计算用户信任度：TU＝HU+EU用户活跃度HU越高，用户信任值TU越高；用户评论有效率EU越高，用户信任值TU越高；8)、通过用户信任度计算用户间信任度：TDi,j＝Simi,j×Tj其中TDi,j表示用户Ui对Uj的信任度，Simi,j为用户Ui和Uj的综合相似度，Tj为用户Uj的信任值。用户Uj信任值越高，用户Ui对Uj的信任度越高；9)、基于步骤8用户间信任度通过加权评价值通过下式为餐厅打分：其中：Scorei,g表示用户Ui对餐厅Gg的加权评价值，TDi,j表示用户Ui对Uj的信任度，Mj,g为用户Uj对餐厅Gg的打分，U为用户集合；10)、通过对所有未打分餐厅进行打分后，按由高到低进行排序，推荐前N个餐厅。