基于用户情感分析的个性化推荐研究

摘要

针对传统用户评分数据的推荐算法存在的数据稀疏、评分信息不能够真实有效地表达用户兴趣等问题.提出了一种融合用户情感分析的个性化推荐算法,该算法根据用户历史评论信息分析用户兴趣,选取主题关键词结合TF-IDF权重进行物品主题关键词特征拓展,情感分析得到的正向评论率结合主题拓展特征向量进行物品相似度计算,用户感兴趣物品相似度较高的产品作为推荐列表进行推荐.通过实验表明,该算法增强了主题粗粒度特征对物品的描述能力,提高了推荐的准确率.与现有的算法相比,该算法能更好地解决冷起动问题.