基于主题特征的情感分类及推荐算法研究

《基于主题特征的情感分类及推荐算法研究》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、ＴＩＡＮＪＩＮＵＮＩＶＥＲＳＩＴＹ中国第—所现代大学ＦＯＵＮＤＥＤＩＮ１８９５全曰制工程硕士学位论文计算机技术：领域作者姓名：高洁指导教师：喻梅副教授企业导师：孙提＿级工程师天建大学研究生院２０１５年１２月＇．独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研宄工作和取得的研宄成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研宄成果，也不包含为获得天津大学或其他教育机构的学位或证书而使用过的材料一

2、。与我同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢意。学位论文作者签名：签字曰期：＞〇（！：年明曰／７学位论文版权使用授权书本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。特授权天津大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、汇编以供查阅和借阅。、缩印或扫描等复制手段保存同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：孓ｔ导师签名：－签字

3、曰期：糾／年丨１月日签字日期：之ｄｊ年ｕ月７日基于主题特征的情感分类及推荐算法研究ResearchonSentimentAnalysisandProductRecommendationAlgorithmBasedonTopicFeature工程领域：计算机技术作者姓名：高洁指导教师：喻梅副教授企业导师：孙提高级工程师天津大学计算机科学与技术学院二零一五年十二月摘要随着电子商务的发展，越来越多的人选择使用互联网进行购物、娱乐、交流和工作。用户往往需要花费很多时间查找、浏览和挑选商品或服务。如何针对用户

4、的需求推荐产品与服务成为了产品和服务提供者必须解决的问题。然而，传统的推荐算法只单纯分析产品和用户之间的关系，没有对评论文本进行情感分析和处理，一定程度上影响着推荐效果的好坏。论文从情感分析及产品推荐两个方面，实现向用户更准确地推荐产品。首先从中文文本整体含义的角度，采用文本主题模型LDA，得到中文文本的主题分布。在进行特征选择和抽取时，除了抽取短文本特有的特征外，考虑了短文本的主题特征，在保留半监督学习框架下实现中文文本的情感分类。实验证明通过考虑中文短文本主题特征，文本情感分类准确率比无文本主题特征的

5、情感分类准确率有一定提高。在对产品评论文本进行情感分析和协同过滤基础上，借鉴评分相似度的定义提出情感相似度，采用情感相似度和评分相似度结合的综合相似度进行近邻用户的评判与选择，最终提出了基于情感分析的产品推荐算法。其中，情感相似度计算方法采用论文提出的基于主题特征的半监督学习情感分类算法计算得到。与传统的协同过滤推荐算法进行了对比，实验证明基于情感分析的产品推荐算法较传统的协同过滤推荐算法的推荐效果更好。关键词：社交网络，情感分析，产品推荐，协同过滤，新浪微博IABSTRACTWiththepopular

6、ityoftheelectroniccommerce,moreandmorepeoplechoosetheInternettoshop,entertain,communicateandwork.Atthesametime,usersoftenneedtospendalotoftimeonsearchingandselectinggoodsorservices.Howtorecommendproductsandservicesforusersisaproblemthattheserviceproviderm

7、ustsolve.However,thetraditionalrecommendationalgorithmisonlyasimpleanalysisoftherelationshipbetweentheproductsandtheuser,notincludingthesentimentanalysisofcommenttext.Toacertainextent,itaffectstheaccuracyoftherecommendationresults.Thethesisrecommendsprodu

8、ctstousersaccuratelyfromtwoaspects.Thataresentimentanalysisandproductrecommend.Firstofall,fromtheperspectiveoftheoverallmeaningoftheChinesetext,weusethetopicmodelLDAtogetthetopicdistributionofthetext.Inthefeaturesel