基于评论分析的商品推荐系统分析

《基于评论分析的商品推荐系统分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、重庆大学硕士学位论文l绪论1绪论1．1选题背景及研究意义最近的十多年来，互联网和web技术得到了不断的进步，越来越多的人开始通过网络进行各种活动，由此促进了电子商务技术的进一步发展。但是，随着网络站点的大量增长，网络中的信息量也增大了许多。这样，非常庞杂的大量的信息量使得用户在购买自己满意的商品时显得非常地麻烦。比如：面对不同网络上包含的庞大信息量，用户仍然需要无目的地查看着各种网页从而能够发现符合他们需求的信息，有研究表明，在大多数情况下网页上的实际存在的内容和用户的实际需求其实并不相关，即便如此，用户仍然需要进一步的阅读它们从而使自己能获取到对自己实际有用的东西。同时，网络具有

2、一定的虚拟性，用户在购买商品时并不能像商场里那样获得对商品的真实感受。在这种情况下，用户相当迫切需要一种商品推荐系统，可以根据用户自己的偏好帮助他们买到称心如意的商品。对于企业来说，如果想要获得好的发展，就非常的有必要去提高用户购物的满意度，从而提高用户的忠诚度，这就需要企业为他们提供合适的商品。由此，为了满足用户和企业的共同需要，各种电子商务推荐系统便相应的出现了。这样的商品推荐系统在实际的电子商务应用中有着很大作用，将其归纳为下面几点【47J：第一，可以用来协助用户以便能够搜索到可能会对自己比较有帮助的内容。对于那些已经有了非常明确的购物目标的用户，推荐系统可以为使用者提供搜索

3、帮助其很快的找出其需要的商品，对于其他的购买目标相对来说比较模糊的用户，推荐系统可以帮助其了解各种类型的商品，使其相对容易产生购买的倾向。第二，可以促进商品的销售。推荐系统可以根据用户的兴趣对用户推荐可能会符合他们需求的一些商品，如果符合，用户就很有可能会进行购买，这样便可以增加商品的销售量。第三，可以为用户提供个性化的服务。推荐系统通过为用户提供单独的特殊化的服务推荐，可以根据用户的兴趣进行调整变化，实现实时推荐。第四，可以提高用户对公司的忠诚度，公司通过使用推荐系统来为用户提供使其相对满意的购物体验，可以提高用户对整个电子商务网站的访问频率和依赖程度，从而可以开发和吸引更多的潜

4、在用户。目前，大量的商品推荐系统已经得到应用，这些推荐系统应用的主流技术主要包括基于关联规则技术的推荐算法、基于内容过滤的推荐算法和基于协同过滤的推荐算法H¨。其中，协同过滤技术构成了现有各种电子商务推荐系统的基础。这些技术大部分是以商品为中心，通过分析用户的浏览历史等信息对用户进行商品推荐。但是，由于网络的虚拟性，用户往往对所购买的商品并不满意，因其往重庆大学硕士学位论文1绪论往只关心商品的某一个属性，这时，虽然这个商品整体可能很好，但是并不符合用户的实际需求。这就需要为用户提供一个基于评论分析的推荐系统，可以让用户得到满意的商品。实际上，为了更好的服务于网购用户并且增加用户的购

5、物体验，许多商务网站都为消费者提供了一个平台发表针对商品的评论，这些评论中包含了已经购买商品的用户对商品的各个方面的一个褒贬程度的评价。用户在购买商品之前，往往会查看用户对这些商品的评论信息，以便了解这些商品是否符合自己的需求。但是由自然语言进行描述的商品评论都是属于非结构化的数据，对于一个即将进行网络购物的消费者而言，网络上充斥了大量的评论，有些可能很长但是没有针对这些商品的有用评论信息，这样用户如果一条一条的进行查看就会相当的费力，但是如果只看一部分的用户评论，又会很有可能得到一个相对片面的结论。这时，就需要一些数据挖掘的技术对其进行处理。这就产生了关于用户评论挖掘的一些列的研

6、究，其目的就是希望通过采用自然语言处理技术和数据挖掘技术，从非结构化的用户评论中挖掘出有用的信息对用户进行展示。观点评论主要有以下一些功能【l】：①它期待着信息的反馈。有一些评论随风不是评论商品本身，而是针对商品或问题对人们进行一些煽动等，这些评论虽然信息含量较少但是也能引起人们的一定关注。②它揭示了事物的本质信息。各种林林总总的事物，所表现出的都是现象方面的信息。从马克思主义哲学原理我们可以知道，认识事物必须要通过现象看其本质，对本质信息的了解必须从其现象着手，最后通过借助人的大脑的思维到最后去完成。③它透露了失误的自在信息。自在信息就是事物自我显示的一种信息。评论者只需要把事物

7、的有关特征和资料进行收集和汇总后，评论信息以及作者的观点便可以明显的浮现出来。由上面的各种介绍我们可以看出，无论是各种推荐系统还是评论分析技术都已经吸引了一部分人去进行研究。但是，目前的各项成果并没有将二者进行一个紧密的结合。我们通过使用这些评论分析技术，挖掘出用户期望的有用信息，然后根据用户的兴趣偏好对用户推荐符合其兴趣期望的商品，这样既为推荐系统增加了丰富的内容，也可以将目前关于评论分析的研究真正应用于电子商务实践中去，不仅为用户提供了更好的需求体验，也可以间接促