CN108228867A - 一种基于观点增强的主题协同过滤推荐方法 - Google Patents

Abstract

本发明公开了一种基于观点增强的主题协同过滤推荐方法，首先基于LDA主题模型提取评论文本属性词；然后根据LDA提取到的属性词，利用word2vec模型计算属性词之间的关系，将相似的属性词归为一类；将词义相同的属性词汇集成属性面；通过属性面观点增强分析得到评论文本的情感极性；接着根据情感词极性和属性词构建打分矩阵，根据打分方式通过协同过滤算法计算用户之间的相似性；最后根据k邻近方法将矩阵中打分比较高的商品推荐给其它用户。实验结果表明，本发明在属性词提取的F值上以及推荐的平均绝对误差值上均表现优异。

Description

一种基于观点增强的主题协同过滤推荐方法

技术领域

本发明属于信息技术领域，涉及一种信息推荐方法，具体涉及结合了协同过滤算法和基于内容推荐两方面优势的一种新的基于评论文本个性化推荐方法。

背景技术

互联网共享信息平台的发展使得世界各地的人能够通过网络将自己的情感或观点与他人分享。然而，信息的爆炸式增长使得用户很难获得与自己密切相关的信息。推荐系统通过利用用户和商品之间的潜在关联，能够给用户提供最需要的信息，从而较好地解决了该问题。推荐系统不同于数据库、搜索引擎这些出现较早的信息系统工具或技术，它是一个相对教新的领域。推荐系统算法主要有两大类：基于内容的推荐算法和基于协同过滤的推荐算法。

网络共享平台上存在着很多带有观点性色彩的内容，这些内容往往能够影响用户的判断和选择。例如，对于一些购物网站平台，商品的评论文本能够对用户的选择和购买产生一定的影响。基于内容的推荐算法能够利用文本挖掘方法提取出这些有价值的信息，从而将其推荐给特定的用户。例如，Q.Mei提出的TSM模型通过整合文档中主题词和情感词之间的关系来进行情感预测。这种推荐算法关键在于用户模型和内容特征描述。提取推荐对象内容特征，目前比较成熟的方法限于主题挖掘这一类，对于信息大量涌现和多媒体数据，特征提取技术有待提高，因此基于内容的推荐散发很少用在多媒体信息推荐方面。

而协同过滤算法主要分为基于用户的协同过滤算法和基于商品的协同过滤算法，分别利用商品或用户的特征来计算相似度，广泛地应用于一些复杂地非结构化对象的推荐。例如浏览和购买行为信息，得到推荐物品结果名单。虽然协同过滤算法有很好的推荐效果，能够被广泛地应用于多个领域，但是其存在数据稀疏性问题，导致用户对商品的偏好分布过于分散，严重影响了用户或商品的相似度计算，这也是本发明要解决的问题。

发明内容

本发明的目的在于通过提高商品推荐效果的粒度和精确性，将用户与商品的关系转变到用户与商品属性面的关系层面上使得用户在商品属性面上的评分矩阵拥有较强的鲁棒性，以克服用户对商品的偏好分布过于分散、推荐效果不佳问题。本发明通过LDA主题模型属性词提取以及评论文本的观点相似性计算来构建推荐模型，能够有效地判断用户对特定属性面的偏好程度。

本发明所采用的技术方案是：一种基于观点增强的主题协同过滤推荐方法，其特征在于，包括以下步骤：

步骤1：基于LDA主题模型提取评论文本属性词；

步骤2：根据LDA提取到的属性词，利用word2vec模型计算属性词之间的关系，将相似的属性词归为一类；将词义相同的属性词汇集成属性面；

步骤3：通过属性面观点增强分析得到评论文本的情感极性；

步骤4：根据情感词极性和属性词构建打分矩阵，根据打分方式通过协同过滤算法计算用户之间的相似性；

步骤5：对任意用户u，从步骤4中的相似度矩阵选择与其最相似的k个邻居，将相似度最高的商品推荐给用户u。

相对于现有技术，本发明的有益效果是将用户与商品的关系转变到用户与商品属性面的关系层面上，使得用户在商品的属性面的评分矩阵具有非常好的鲁棒性，因而，能够给用户提供精确的个性化推荐。

附图说明

图1为本发明实施例的方法整体模型图；

图2为本发明实施例的实现流程图；

图3为本发明实施例的不同主题数k的比较。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。

请见图1和图2，本发明提供的一种基于观点增强的主题协同过滤推荐方法，其特征在于，包括以下步骤：

步骤1：基于LDA主题模型提取评论文本属性词；

本发明引入LDA主题模型进行属性词提取。LDA主题模型能够从大规模文本中提取出一系列与文本语义相关的主题单元，这些主题单元能够较好地反映出商品的属性面信息，从而为属性词提取提供了技术支持。LDA主题模型由文档-主题-词汇三个层次组成，是一个贝叶斯概率生成模型。在LDA主题模型中，文档和主题之间、主题和词汇之间均服从狄利克雷多项式共轭分布。

步骤2：根据LDA提取到的属性词，利用word2vec模型计算属性词之间的关系，将相似的属性词归为一类；将词义相同的属性词汇集成属性面；

LDA主题模型虽然能够提取文本中与商品属性面相关的属性词，但是不能判断出这些属性词之间的关系。比如：“续航能力”和“耐电量”这两个属性词都在阐述手机的“电池”这个属性面，但是由于词汇表述不同，LDA主题模型不能够表达出这两个属性词之间的关联，利用word2vec模型将词义相近的属性词聚类。本发明根据LDA提取到的属性词，利用word2vec模型计算属性词之间的关系将相似的属性词归为一类。word2vec模型将每个属性词映射到一个低维稠密的实数向量空间，在该特征空间上，语义相似的词之间汇聚在一起。这样能够很好的解决属性词上的稀疏性问题，降低矩阵的维度。最终，能够更好的挖掘主题词，从而利用这种属性词汇聚成属性面的方法进行商品推荐。

步骤3：通过属性面观点增强分析得到评论文本的情感极性；

评论文本中的情感极性表达了用户对商品的观点倾向，通常分为积极、消极和中性三种。考虑情感极性能够从更细的粒度上来计算用户的偏好程度，从而有助于推荐效果的提高。然而，在实际应用场景下，可能会出现文本内容情感倾向与用户总体评分不一致的情况，导致偏好程度计算不准确。为了解决这种不一致性，本发明采用一种观点增强的方法(参考文献：Chen C C,Chen Z Y,Wu C Y.An unsupervised approach for person namebipolarization using principal component analysis[J].IEEE T K DE,2012,24(11):1963-1976)来计算每个评论文本的情感倾向。同时，根据每个评论文本的用户总体评分，即评论文本上星数(如三颗星等)与情感倾向进行判断，对不一致情况下的评论文本进行剔除。在本发明中，最终得出的评论文本一颗或两颗星定义为消极，得分为-1；评论是三颗星的定义为中性，得分为0；评论是四颗或五颗星则定义为积极，得分为1。

步骤4：根据情感词极性和属性词构建打分矩阵，根据打分方式通过协同过滤算法计算用户之间的相似性；

根据主题-词汇分布以及情感极性打分，得到用户i对商品j的f_k属性面的偏好度为：

其中，为主题词w_n在属性面f_k分布中的概率值，属性面f_k由主题f_n根据word2vec模型汇集而成；S_ij为用户i对商品j评论的情感打分；N表示评论文本中总的用户数。

结合关注度的影响，得到用户i对商品j的f_k属性面的综合评分：

P_ijk＝θ_ikF_ijk (2)

其中，LDA主题模型中所得到的文档-主题分布矩阵θ_ik用于表达用户i对第k个属性面的关注度；

结合公式(2)提供的用户i对商品j的f_k属性面的综合评分，对于用户u和用户v，定义它们对商品j的属性面情感评分分别为P_ujk和P_vjk，进而通过协同过滤算法得到用户u和用户v在评论文本属性面上的相似度：

其中，I_u和I_v分别表示商品评论集合，k_uj和k_vj分别表示用户u和用户v对商品j的属性面的评论文本集合；根据属性面相似度评分，对用户u的n个邻近用户计算商品c的评分：

其中，b_uc表示基准的平均推荐评分，b_uc表示基准的平均推荐评分，r_uj表示用户u对商品j的评分，b_aj表示用户u的相似用户对商品j的平均评分，其中a表示用户u相似用户中的其中一个，总共n个。

步骤5：对任意用户u，从步骤4中的相似度矩阵选择与其最相似的k个邻居，将相似度最高的商品推荐给用户u。

本发明通过计算不同主题数k下的MAE值并确定最优的主题数，MAE的计算方法如公式(5)所示。在本实验中，主题数k设置为从5到40的等差数列，间隔为5，LDA模型的先验参数α＝0.6，β＝0.1，最近邻用户数n＝20。实验结果附图3所示。从图中可以看出本实施例方法的MAE值都取得s相对不错的成绩，特别是k为25时提取主题的质量比较高，能够很好的构建评分矩阵。

其中，{p₁,p₂,...,p_n}表示通过推荐算法得到的用户评论文本集合，p_i表示集合中的一个值；{q₁,q₂,...,q_n}表示实际的用户评分集合，q_j表示此集合中的一个值。

本发明的方法和基准算法通过实验比较来验证本发明方法的高效性。本实施例的实验数据来源于国内知名电商平台京东，总共包含了109,691条手机评论文本。为了保证实验的准确性，本实施例过滤掉评论数小于5的信息，最终得到2,887个用户对868个商品的评论，共37778条。

应当理解的是，本说明书未详细阐述的部分均属于现有技术。

应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (6)

1.一种基于观点增强的主题协同过滤推荐方法，其特征在于，包括以下步骤：

步骤1：基于LDA主题模型提取评论文本属性面；

步骤2：根据LDA提取到的属性词，利用word2vec模型计算属性词之间的关系，将相似的属性词归为一类；

步骤3：通过属性面观点增强分析得到评论文本的情感极性；

步骤4：根据情感词极性和属性词构建打分矩阵，根据打分方式通过协同过滤算法计算用户之间的相似性；

步骤5：对任意用户u，从步骤4中的相似度矩阵选择与其最相似的k个邻居，将相似度最高的商品推荐给用户u。

2.根据权利要求1所述的基于观点增强的主题协同过滤推荐方法，其特征在于：步骤1中，利用LDA算法进行短文本的主题挖掘，挖掘一个商品的各属性词。

3.根据权利要求1所述的基于观点增强的主题协同过滤推荐方法，其特征在于：步骤2中，word2vec模型将每个属性词映射到一个低维稠密的实数向量空间，在空间上，语义相似的词能够汇聚成一起形成一个属性面。

4.根据权利要求1所述的基于观点增强的主题协同过滤推荐方法，其特征在于：步骤3中，评论文本的情感极性表达了用户对商品的情感倾向，分为积极、消极和中性三种；采用观点增强的方法来计算每个评论文本的情感倾向；同时，结合每个评论文本的用户总体星数评分与情感倾向进行判断，对不一致情况下的评论文本进行剔除；其中，将评论文本一颗或两颗星定义为消极，得分为-1；评论是三颗星的定义为中性，得分为0；评论是四颗或五颗星则定义为积极，得分为1。

5.根据权利要求1所述的基于观点增强的主题协同过滤推荐方法，其特征在于：步骤4中，根据主题-词汇分布以及情感极性打分，得到用户i对商品j的f_k属性面的偏好度为：

其中，为主题词w_n在属性面f_k分布中的概率值，属性面f_k由主题f_n根据word2vec模型汇集而成；S_ij为用户i对商品j评论的情感打分；N表示评论文本中总的用户数；

结合关注度的影响，得到用户i对商品j的f_k属性面的综合评分：

P_ijk＝θ_ikF_ijk (2)

其中，LDA主题模型中所得到的文档-主题分布矩阵θ_ik用于表达用户i对第k个属性面的关注度；

结合公式(2)提供的用户i对商品j的f_k属性面的综合评分，对于用户u和用户v，定义它们对商品j的属性面情感评分分别为P_ujk和P_vjk，进而通过协同过滤算法得到用户u和用户v在评论文本属性面上的相似度：

其中，I_u和I_v分别表示商品评论集合，k_uj和k_vj分别表示用户u和用户v对商品j的属性面的评论文本集合；根据属性面相似度评分，对用户u的n个邻近用户计算商品c的评分：

其中，b_uc表示基准的平均推荐评分，r_uj表示用户u对商品j的评分，b_aj表示用户u的相似用户对商品j的平均评分；a表示用户u相似用户中的其中一个，总共n个。

6.根据权利要求1-5任意一项所述的基于观点增强的主题协同过滤推荐方法，其特征在于：步骤5中，通过计算不同主题数k下的MAE值并确定最优的主题数；

其中，{p₁,p₂,...,p_n}表示通过推荐算法得到的用户评论文本集合，p_i表示集合中的一个值；{q₁,q₂,...,q_n}表示实际的用户评分集合，q_j表示此集合中的一个值。