文档介绍：浙江大学硕士学位论文基于评论挖掘的协同过滤推荐算法研究姓名:吴亚峰申请学位级别:硕士专业:计算机应用技术指导教师:郑小林201201???????????????浙江大学顾上学位论文摘要?????眑????????????·????????????????????????????瑀???????????????????????????????????????????????????????????????????????????????????????????????.???,????????·?????????琔??痵??。??篟????浙江大学硕上学位论文?浙汀大学硕上学位论文?浙汀大学硕上学位论文??课题背景然而商品评论分析对于推荐系统同样有着巨大的价值,因为用户的评论信息浙汀大学硕士学位论义浙汀大学硕上学位论文基于内容的推荐算法利用项目之间相似的客观属性来进行项目推荐,他源自糊兴趣模型来发现用户的兴趣点的方法。协同过滤算法是日前推荐系统中应用最广泛、最成功的算法之一。?????】和基于模型???—???的协同过滤算法。此算法需要获得每个用户对每个项目的评分,对于内存的消耗较大。基于模型的协同过滤算法主要根据用户购买的历史或者浏览记录,采用统计模型、贝叶斯模型或最大熵模型等学习用户的兴趣模型,冉以此来预测用户的兴趣。此算法在学习用户的兴趣模型方面比较耗时,而在预测用户兴趣时空间和时问效率却比较有好。浙汀大学顾上学位论文搜索用户邻居节点来获得推荐。在提升推荐系统扩展性方面,邓爱林等【?】提出一文献鲫在深入研究各种推荐算法的基础上,指出推荐系统在结合评论挖掘的浙汀大学硕上学位论文??论文的主要工作及组织结构由于目前推荐系统中结合产品评论的研究相对缺乏,本文提出一种基于产品评论挖掘的推荐算法。首先通过评论挖掘提取产品特征,并划分产品的关注层面,量化产品各层面的分数及学习用户的偏好,然后根据用户之间的兴趣和偏好的相似度,通过协同过滤算法对用户进行推荐。论文所做主要工作如下:?建立语料库?产品属性词和情感词的词性模板提取