【摘 要】
：
互联网的出现和普及给用户带来了大量的信息,满足了用户在信息时代对信息的需求,但随着网络的迅速发展而带来的网上信息量的大幅增长,出现了信息超载的问题。解决信息超载问
论文部分内容阅读
互联网的出现和普及给用户带来了大量的信息,满足了用户在信息时代对信息的需求,但随着网络的迅速发展而带来的网上信息量的大幅增长,出现了信息超载的问题。解决信息超载问题的一个比较新颖的办法是设计和实现个性化推荐系统。它是根据用户的信息需求、兴趣等,将用户感兴趣的信息、产品等推荐给用户的信息推荐系统。个性化推荐系统现已广泛应用于很多领域,为了更好地实现个性化推荐,本研究将设法分析用户的真实情感状况,进行用户文本情感分析。本研究通过对比传统的推荐算法,发现其中的优缺点,将用户的情感因素的量化结果用于评分矩阵和相似度计算,改进推荐算法,提高推荐的有效性。本文所做的主要工作如下所述:1.针对推荐系统性能亟待提高的问题,考虑到传统的推荐算法很少意识到用户的真实情感的重要性,在传统协同过滤算法的基础上,提出了一个结合情感分析的改进的推荐算法。2.由于算法的实现过程涉及到大量文本情感倾向的分析,本研究在酒店领域语料库和基础情感词典的基础上,构建了酒店领域情感词典。3.结合酒店文本的实际情况,改进传统的文本特征选择算法,选择恰当的聚类算法,同时完成情感值计算公式的设计,从而完成酒店建模和用户情感建模。4.根据设计出的推荐算法,设计推荐系统的结构,包括情感分析模块、用户建模模块、对象建模模块、推荐算法模块等。利用抓取的数据集,在设计出来的系统上完成Top-N推荐。5.通过实验将该算法与以往的一些推荐算法进行召回率、准确率等指标的比较,并分析比较本课题的推荐算法与传统推荐算法在性能和效果上的差异。实验证明,结合情感倾向分析的推荐算法与传统的推荐算法相比,在召回率和准确率等指标上都能有一定程度的提高,对文本情感的分析和聚类个数的选择能影响到推荐系统的整体性能,从而影响到个性化推荐的效果。
其他文献
石油行业一直是我国国家能源的支柱型行业,其中石油勘探、开发是主体。近年来,很多软件开发人员致力于开发出能够加快石油勘探开发速度、提高生产科研效率的软件。这些软件多
模式识别是一门与统计学、心理学、语言学、计算机科学、生物学、控制论、人工智能、图像处理等相互交叉的学科，广泛应用于故障诊断、文字识别、语音识别、遥感、医学诊断、数
随着网络技术的快速发展和网络规模的迅速增长，网络安全问题日益突出。入侵检测技术作为一种全新的、主动的安全手段，越来越显示出其重要性。 本文首先介绍了入侵检测系统的
可视化是将信息和知识转化为一种视觉形式，帮助我们加深对大规模复杂数据间相互关系的理解，使我们获的新的洞察并做出有效的决策。B/S应用架构的出现、Web服务器端和客户端技术
随着校园网络的不断发展，校园网内的资源日益增多，然而这些资源的利用率却非常低，造成了资源的浪费。而与此同时，大型科学研究由于计算资源的不足而无法完成。一方面是校园网内的
网络内容分析系统最核心问题之一是字符串模式匹配。串匹配是计算机领域最基本的问题，经过多年的研究，已经获得很多经典的算法。但是，传统的串匹配算法遇到了一个瓶颈，精确单模式
P2P文件共享是目前Internet上最主要、最成功的对等网络（Peer-to-Peer，P2P）应用，而且P2P文件共享应用已经成为当今互联网流量的重要组成部分。然而由于P2P文件共享系统中参与节点
互联网多媒体业务和传统业务具有不同的服务质量和用户感受要求，需要采取相应的机制进行区分优先级的业务流带宽实时保证。对比现有的两类解决方案，虽然基于网络的方法能够实施
随着社会的不断发展,人类对能源的需求越来越大。作为世界上最重要的传统能源之一,石油被广泛地应用在工业、农业、军事等各个领域。为了获取更多的石油资源,必须加大石油勘
近十几年来，随着数字图像及视频获取设备在人们生产及生活中的日益普及、计算机存储介质成本的不断降低、互联网技术的迅速发展，同时随着人们对视觉媒体的日益关注，许多企业、机