欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020102450041
申请人: 湖南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于细粒度情感分类的个性化评论文本推荐系统,用于目标用户通过所述基于细粒度情感分类的个性化评论文本推荐系统制定购买目标商品决策,其特征在于,包括:关联商品构建模组,其计算所述目标用户已经评论过的商品与所述目标商品之间的关联度,并获得与所述目标商品相关联的关联商品集合,所述关联商品集合包括多个关联商品;

关联用户构建模组,在所述关联商品构建模组获得的关联商品集合中,基于共同评论关系构建与所述目标用户相关联的关联用户集合,所述关联用户集合包括多个关联用户;

方面、短语提取模组,对所述关联商品和所述目标商品的评论文本集合进行方面分析,获取方面词和短语;

情感分析模组,接收来自所述方面、短语提取模组所提取的方面词和短语,并分别对应计算所述目标用户和所述关联用户的方面情感分数;

用户方面情感相似度计算模组,接收所述关联商品、所述关联用户及所述目标用户及关联用户的方面情感分数,并计算所述目标用户与每一关联用户对于关联商品的方面情感相似度;

用户相似度计算模组,基于所述关联商品与所述目标商品之间的关联度、所述目标用户与每一关联用户对于关联商品的方面情感相似度计算所述目标用户与每一关联用户之间的总体相似度,获得相似用户;

帮助性分数计算模组,基于所述总体相似度、相似用户的评论文本中包含的方面词数量计算相似用户的评论文本的帮助性分数;及个性化评论推荐模组,基于相似用户的评论文本的帮助性分数对应推荐相似用户的评论文本给目标用户。

2.根据权利要求1所述基于细粒度情感分类的个性化评论文本推荐系统,其特征在于,设定目标商品为pt,目标用户评论过的商品为pi,n为所述关联商品中节点的数量,wxy是共同买过商品x和商品y的用户数量,W(pt,pi)是所有可能会同时购买目标商品pt和目标用户评论过的商品pi用户数量,R(pt,pi)表示目标商品pt和目标用户评论过的商品pi之间的关联度,则:

3.根据权利要求2所述基于细粒度情感分类的个性化评论文本推荐系统,其特征在于,设定x和y为所述关联商品中的两个不同商品节点,N(x)和N(y)为x和y的邻接商品集合,wxy为共同购买过x和y的用户数量,wxz、wzy与wxy的含义相同,W(x,y)为所有可能会同时购买商品x和y的用户数量,则:W(x,y)=wxy+∑z∈N(x)∩N(y)wxz+wzy。

4.根据权利要求1所述基于细粒度情感分类的个性化评论文本推荐系统,其特征在于,所述方面、短语提取模组对所述关联商品和目标商品的评论文本进行分词和词性标注处理,计算所述评论文本中的名词与商品的标准方面名词的语义相似度,当所述语义相似度大于设定的阈值时,将该名词作为方面名词提取出来,否则,放弃提取。

5.根据权利要求4所述基于细粒度情感分类的个性化评论文本推荐系统,其特征在于,当所述评论文本中的名词作为方面名词提取出来时,用标准方面名词替代,并作为中心词,截取所述中心词在内的前后五个词作为短语。

6.根据权利要求5所述的基于细粒度情感分类的个性化评论文本推荐系统,其特征在于,所述情感分析模组提取的短语中包含形容词、副词或动词,则用情感词典计算这些词性的情感值,并将该情感值作为方面的情感分数;若短语中不包含形容词、副词或动词,则方面的情感分数为中性。

7.根据权利要求6所述的基于细粒度情感分类的个性化评论文本推荐系统,其特征在于,设定 为所述目标用户ut和关联用户uj对关联商品pi的情感相似度, 为关联商品pi的标准方面集合, 为目标用户ut对方面a的情感评分, 为关联用户uj对方面a的情感评分,如果ut,uj共同评论过pi,则:否则,

8.根据权利要求7所述的基于细粒度情感分类的个性化评论文本推荐系统,其特征在于,当计算用户相似度时,取关联商品与目标商品之间的关联度作为用户情感相似度的置信权重,并把它们两者看作用户与商品的交互信息,具体计算方式如下:S(ut,uj)指目标用户ut与关联用户uj的相似度,n指目标用户ut与关联用户uj共同评论过的商品数量,R(pt,pi)指目标商品pt与关联商品pi的商品之间的关联度, 指目标用户ut与关联用户uj对关联商品pi的方面情感相似度。

9.一种采用如权利要求1所述的基于细粒度情感分类的个性化评论文本推荐系统的推荐方法,其特征在于,包括如下步骤:计算所述目标用户已经评论过的商品与所述目标商品之间的关联度,获得与所述目标商品相关联的关联商品集合,其中所述关联商品集合包括多个关联商品;

在所述关联商品集合中,基于共同评论关系构建与所述目标用户相关联的关联用户集合,其中所述关联用户集合包括多个关联用户;

对关联商品集合中的所有商品的评论文本进行分词和词性标注处理,提取获得方面词和短语;

对所述方面、短语提取模组提取的中心词、短语进行分析,获得方面的情感分数;

接收来自所述关联商品构建模组得到的关联商品、所述关联用户构建模组得到的关联用户以及接收所述情感分析模组得到的方面情感分数,对目标用户及关联用户构建用户向量,并计算目标用户与每一关联用户对于关联商品的方面情感相似度;

基于所述关联商品与所述目标商品之间的关联度、所述目标用户与每一关联用户对于关联商品的方面情感相似度的方面情感相似度计算用户相似度;

根据所述步骤S37的所述用户相似度计算模组38的计算结果,还根据相似用户的评论文本中所包含的方面数量计算获得评论文本的帮助性分数;及基于相似用户的评论文本的帮助性分数对应推荐相似用户的评论文本给目标用户;

至此,完成向所述目标用户推荐个性化评论文本。

10.根据权利要求9所述基于细粒度情感分类的个性化评论文本推荐系统的推荐方法,其特征在于,所述评论文本的帮助性分数的计算方式如下:其中,H(ut,uj)是指相似用户uj的评论对于目标用户ut购物的帮助性大小,S(ut,uj)指目标用户ut与用户uj的相似度,l代表商品标准方面词字典的长度, 指相似用户uj对目标商品pt的评论文本中包含的方面数量。