基于用户评论的情感量化评分模型研究
作者：王龙葛 王敏
来源：《数字技术与应用》2019年第06期
![](https://wkrtcs.bdimg.com/rtcs/image?w=500&md5sum=1206b55bebf053ef335a5bf8f5cc1b98&sign=ad42ef3697&rtcs_flag=1&rtcs_ver=4&l=webapp&bucketNum=185&ipr={"t":"img","w":"500","h":"481","dataType":"jpeg","c":"word/media/image1.jpeg","imgOriW":500,"imgOriH":481})
![](https://wkrtcs.bdimg.com/rtcs/image?w=500&md5sum=1206b55bebf053ef335a5bf8f5cc1b98&sign=ad42ef3697&rtcs_flag=1&rtcs_ver=4&l=webapp&bucketNum=185&ipr={"t":"img","w":"500","h":"365","dataType":"jpeg","c":"word/media/image2.jpeg","imgOriW":500,"imgOriH":365})
![](https://wkrtcs.bdimg.com/rtcs/image?w=500&md5sum=1206b55bebf053ef335a5bf8f5cc1b98&sign=ad42ef3697&rtcs_flag=1&rtcs_ver=4&l=webapp&bucketNum=185&ipr={"t":"img","w":"500","h":"257","dataType":"jpeg","c":"word/media/image3.jpeg","imgOriW":500,"imgOriH":257})
![](https://wkrtcs.bdimg.com/rtcs/image?w=400&md5sum=1206b55bebf053ef335a5bf8f5cc1b98&sign=ad42ef3697&rtcs_flag=1&rtcs_ver=4&l=webapp&bucketNum=185&ipr={"t":"img","w":"400","h":"200","dataType":"jpeg","c":"word/media/image4.jpeg","imgOriW":600,"imgOriH":300})
摘要：用户的情感倾向在推荐算法中起到非常重要的作用，本文利用设计的情感模型对用户评论进行量化计算，并利用一定的公式计算用户情感值和用户评分所占的比例，构建最终用户评分矩阵模型。经过实验证明，该模型比单纯的用户评分更能反映出用户的情感倾向。
关键词：情感模型;用户评论;评分矩阵
中图分类号：TP277 文献标识码：A 文章编号：1007-9416（2019）06-0071-02
0 引言
互联网的飞速发展促使了推荐算法的快速发展[1]。然而，现有的推荐系统大多不考虑用户的真实情感，研究结果表明，情感对用户行为和喜好的决定有着至关重要的作用，在信息推荐过程中充分考虑用户的情感倾向和情感状态可以更好地适应用户的个性化需求，以更好地实现个性化推荐服务[2]。
1 国内外研究现状
电子商务的发展促使了推荐系统的快速发展，从本世纪初，不少的学者开始将情感分析和推荐算法结合起来取得不少成果。
Huettner等人[3]在2001年手工建立有极性标注的情感词典;Shanahan[4]等人通過词语间的搭配规则，利用情感标注语料库，找到文本中存在的情感词以及它们之间的规则关系。娄德成和姚天防[5]提出了联系全文，分析全文主题和各词语之间的关系，进行词语极性的计算从而从整体考虑全文倾向;王丙坤[6]为提高网络文本的在线分类效率，提出利用多粒度计算和多准则融合无监督的方法进行了情感分类。
本文在前人工作的基础上做了如下工作：（1）将深度学习的模型应用用户评论的切词中，提高了切词的准确率;（2）提出了情感计算的量化模型，并计算了用户评论和评分的权值比例，构建了最终的用户评分矩阵。
2 用户评论情感量化模型
本文来源：https://www.2haoxitong.net/k/doc/b1f598ed0b75f46527d3240c844769eae009a333.html
文档为doc格式