TextRank与用户情感倾向在推荐算法中的研究

摘要

为了研究动态数据下的TextRank与用户情感倾向在推荐算法中的应用,本文在TextRank算法进行细致分析的基础上,结合动态数据的时效性特点进行了综合改进,结合时间衰减参数与时效性参数TL,将原本单一的PR值变为了综合PR值,实验结果证明,综合PR值相比于原PR值是更加合理的.在此基础上,利用综合PR值数据与用户自身的静态数据以及用户情感倾向进行整合,通过推荐算法的综合筛选,得出最终的推荐结果,为用户提供了一个良好的体验.