焦沫青

摘 要：現(xiàn)如今，隨著網(wǎng)絡(luò)技術(shù)的高速發(fā)展和網(wǎng)絡(luò)技術(shù)的廣泛普及，互聯(lián)網(wǎng)已經(jīng)成為大眾生活中不可缺少的一部分。然而越來(lái)越多的網(wǎng)絡(luò)用戶正面臨著一個(gè)問(wèn)題，即當(dāng)使用網(wǎng)絡(luò)時(shí)，大量的網(wǎng)絡(luò)信息同時(shí)展現(xiàn)在用戶面前，用戶無(wú)法第一時(shí)間找到需要的信息：淘寶網(wǎng)上有上千件同樣的商品，Netfix上有數(shù)萬(wàn)部影片，用戶何以快速得其所需？就此問(wèn)題本文展開探討。

關(guān)鍵詞：網(wǎng)絡(luò)視頻 影評(píng) 推薦方式 探討

中圖分類號(hào)：J905 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2018）12（b）-000-02

1 諸論

1.1 研究背景

基于互聯(lián)網(wǎng)進(jìn)行的信息推薦技術(shù)，正是解決以上這些難題的有效手段。它有利于用戶從因特網(wǎng)這個(gè)信息海洋中尋找所需的信息資源，并推薦其所需要的服務(wù)，同時(shí)也能夠讓商家獲得用戶對(duì)其產(chǎn)品的反饋信息，比如阿里巴巴公司的淘寶網(wǎng)、國(guó)外購(gòu)物網(wǎng)站Amazon、視頻網(wǎng)站Youtube等。用戶將基于推薦系統(tǒng)接受這些建議并給予反饋，這些反饋可以存儲(chǔ)在推薦數(shù)據(jù)庫(kù)中，并在未來(lái)的交互中生成新的建議。

在電影網(wǎng)站中很多用戶在看完電影后都會(huì)發(fā)表相應(yīng)的評(píng)論和評(píng)分，在被應(yīng)用于推薦系統(tǒng)方面時(shí)，用戶的電影評(píng)論非常有價(jià)值，這些評(píng)論信息直接反映了用戶對(duì)某個(gè)電影的喜好程度。當(dāng)用戶瀏覽網(wǎng)站尋找電影時(shí)，網(wǎng)站可以利用這些信息推薦給目標(biāo)用戶可能感興趣的一些電影，提高了用戶體驗(yàn)，幫助用戶在最短的時(shí)間內(nèi)找到自己喜歡的電影欣賞。

然而如今視頻網(wǎng)站中，大部分采用的仍是以標(biāo)簽為主的推薦系統(tǒng)，僅有少數(shù)視頻網(wǎng)站嘗試過(guò)以用戶評(píng)論為基礎(chǔ)的推薦系統(tǒng)，使用過(guò)此種推薦系統(tǒng)的網(wǎng)站收到了不錯(cuò)的用戶反饋，如國(guó)外知名的視頻網(wǎng)站Youtube與全球有名的在線影片租賃商N(yùn)etfli。在非視頻網(wǎng)站中，知名電商Amazon和國(guó)內(nèi)的每日頭條等使用評(píng)論推薦系統(tǒng)。目前在結(jié)合評(píng)論挖掘的推薦方面，Adomavicius等通過(guò)深入研究各種推薦算法，指出推薦系統(tǒng)在應(yīng)用評(píng)論挖掘的方面還有待發(fā)展。針對(duì)目前推薦系統(tǒng)中結(jié)合電影評(píng)論研究相對(duì)缺乏的情況，本文希望對(duì)如今互聯(lián)網(wǎng)環(huán)境下以用戶評(píng)論為基礎(chǔ)的推薦系統(tǒng)的使用現(xiàn)況，優(yōu)點(diǎn)和發(fā)展前景進(jìn)行調(diào)查研究。

1.2 本文主要目的

探究如今互聯(lián)網(wǎng)環(huán)境下基于用戶評(píng)論的推薦系統(tǒng)的應(yīng)用情況，調(diào)查此種推薦系統(tǒng)與其他推薦系統(tǒng)相比有何優(yōu)缺點(diǎn)之處，分析基于用戶評(píng)論的推薦系統(tǒng)未來(lái)發(fā)展前景。

1.3 本文結(jié)構(gòu)

本文的內(nèi)容安排如下。

第一章介紹了本文的研究和實(shí)踐背景，基本闡明了意見挖掘和推薦系統(tǒng)的結(jié)合在當(dāng)今互聯(lián)網(wǎng)時(shí)代下的意義以及本文對(duì)基于用戶評(píng)論的推薦系統(tǒng)進(jìn)行研究的原因。

第二章描述了對(duì)基于用戶評(píng)論的推薦系統(tǒng)在當(dāng)今時(shí)代下的使用現(xiàn)狀。

第三章利用評(píng)論推薦系統(tǒng)對(duì)隨機(jī)選定的影片進(jìn)行了過(guò)濾，并用影視網(wǎng)站原有的標(biāo)簽推薦系統(tǒng)進(jìn)行過(guò)濾，通過(guò)對(duì)兩種推薦系統(tǒng)過(guò)濾出的影片進(jìn)行閱覽，比較出評(píng)論推薦系統(tǒng)的優(yōu)缺點(diǎn)。

第四章綜合二、三章對(duì)用戶評(píng)論推薦系統(tǒng)進(jìn)行了綜合分析，分析了基于用戶評(píng)論的推薦系統(tǒng)的發(fā)展前景。

2 對(duì)基于用戶評(píng)論的推薦系統(tǒng)使用現(xiàn)狀的調(diào)查

本章的第一部分是對(duì)基于用戶評(píng)論的推薦系統(tǒng)（以下簡(jiǎn)稱“評(píng)論推薦系統(tǒng)”）使用現(xiàn)狀的調(diào)查。

2.1 使用評(píng)論推薦系統(tǒng)的視頻網(wǎng)站

目前全球主流視頻網(wǎng)站中，Youtube在其混合推薦系統(tǒng)中加入了評(píng)論推薦系統(tǒng)。Youtube巨大的用戶量所提供的用戶評(píng)論為評(píng)論推薦系統(tǒng)提供了可能。

2.2 非視頻網(wǎng)站上對(duì)于評(píng)論推薦系統(tǒng)的應(yīng)用

除視頻網(wǎng)站外，其他類型的大眾用戶型網(wǎng)站也對(duì)評(píng)論推薦系統(tǒng)有應(yīng)用，例如貓途鷹，其基于大量用戶評(píng)論的推薦系統(tǒng)已經(jīng)成為其網(wǎng)站招牌。

除以上網(wǎng)站外，還有其他使用評(píng)論推薦系統(tǒng)的網(wǎng)站，在此就不再一一論述。從以上的網(wǎng)站來(lái)看，評(píng)論推薦系統(tǒng)已經(jīng)被部分網(wǎng)站所使用，但在視頻網(wǎng)站上使用相對(duì)較少，而在非視頻網(wǎng)站的應(yīng)用則相對(duì)廣泛。

3 評(píng)論推薦系統(tǒng)的優(yōu)缺點(diǎn)調(diào)查

為了實(shí)際調(diào)查評(píng)論推薦系統(tǒng)的優(yōu)缺點(diǎn)及視頻網(wǎng)站用戶對(duì)評(píng)論推薦系統(tǒng)的滿意度，本章利用作者設(shè)計(jì)的評(píng)論推薦系統(tǒng)進(jìn)行調(diào)查。

3.1 數(shù)據(jù)準(zhǔn)備及預(yù)處理

本文的數(shù)據(jù)來(lái)自豆瓣電影網(wǎng)頁(yè)信息，對(duì)豆瓣電影網(wǎng)頁(yè)信息抓取的基本思路是：首先得到網(wǎng)頁(yè)中電影的基本信息，包括電影名、評(píng)分、導(dǎo)演、演員、類型；其次再抓取整個(gè)電影的所有用戶評(píng)論，將所有元素保存在一份文件中。

本文選擇了豆瓣電影網(wǎng)上對(duì)電影《大偵探福爾摩斯》的影評(píng)，使用網(wǎng)絡(luò)信息搜集軟件八爪魚進(jìn)行用戶評(píng)論采集，并提取用戶評(píng)論中的關(guān)鍵詞進(jìn)行過(guò)濾，經(jīng)過(guò)分詞并將出現(xiàn)次數(shù)最多的關(guān)鍵詞與豆瓣網(wǎng)站其他電影評(píng)論進(jìn)行逆向比較，選擇出與《大偵探福爾摩斯》影評(píng)最相近的3部電影。

3.1.1 影評(píng)數(shù)據(jù)采集

選定隨機(jī)目標(biāo)，本文此次選擇豆瓣網(wǎng)對(duì)電影《大偵探福爾摩斯》的影評(píng)進(jìn)行采集過(guò)濾。利用網(wǎng)絡(luò)信息采集軟件對(duì)影評(píng)進(jìn)行采集。本文此次選擇“八爪魚采集器”軟件。

3.1.2 影評(píng)元素預(yù)處理

將前面抓取到的所有電影的評(píng)論，進(jìn)行分詞，本文采用的是結(jié)巴分詞。分詞后詞表有很多無(wú)用詞，采用哈工大中文停用詞表，在此基礎(chǔ)上人工加入一些涉及到電影評(píng)論領(lǐng)域的停用詞，進(jìn)行了去除停用詞的處理。（1）排除停用詞來(lái)減小詞表文件的大小。觀察統(tǒng)計(jì)好的詞表發(fā)現(xiàn)，里面有很多詞作為評(píng)價(jià)詞沒有價(jià)值，并且出現(xiàn)的次數(shù)很少，因此做了排除低頻詞的處理。（2）經(jīng)過(guò)這三步預(yù)處理工作，電影的全部信息預(yù)處理完畢。如此，提取出5個(gè)高頻詞。

提取的5個(gè)高頻詞為：福爾摩斯、偵探、英、美、基，計(jì)算出高頻詞在總評(píng)論有效詞語(yǔ)中出現(xiàn)的百分比并記錄。將提取出的關(guān)鍵詞與豆瓣其他電影的影評(píng)關(guān)鍵詞進(jìn)行對(duì)比，得出符合次數(shù)最多的兩部電影：《大偵探福爾摩斯2》《福爾摩斯歸來(lái)記》。同時(shí)記錄下上文5個(gè)關(guān)鍵詞在以上3部電影中有效詞語(yǔ)的百分比。

3.2 利用標(biāo)簽系統(tǒng)提取視頻

利用豆瓣電影網(wǎng)所使用的標(biāo)簽推薦系統(tǒng)進(jìn)行視頻篩選。

對(duì)于《大偵探福爾摩斯》，豆瓣標(biāo)簽為“動(dòng)作/懸疑/驚悚/犯罪/冒險(xiǎn)美國(guó)/德國(guó)”等。利用類型標(biāo)簽進(jìn)行篩選，運(yùn)用如上方法，隨機(jī)選測(cè)其他兩部電影《羅馬假日》《復(fù)仇者聯(lián)盟》。

3.3 評(píng)價(jià)指標(biāo)

本文選擇對(duì)關(guān)鍵詞所占所有詞語(yǔ)百分比高低作為評(píng)價(jià)指標(biāo)，若關(guān)鍵詞百分比符合度相似則證明篩選準(zhǔn)確。

3.4 實(shí)驗(yàn)結(jié)果分析

總有效詞取2458個(gè)，從百分比綜合可以看出，評(píng)論推薦結(jié)果百分比更高，更加精確。其余兩部電影均得出相似結(jié)論，如表1所示。

4 評(píng)論推薦系統(tǒng)的綜合分析以及前景預(yù)測(cè)

4.1 評(píng)論推薦系統(tǒng)的綜合分析

綜上所述，評(píng)論推薦系統(tǒng)相較于標(biāo)簽推薦系統(tǒng)，因其直觀的反映出了用戶的感受，所以推薦更具準(zhǔn)確性。但正如第三章中所演示的操作一樣，評(píng)論推薦系統(tǒng)需要通過(guò)采集用戶評(píng)論—提取評(píng)論關(guān)鍵詞—視頻評(píng)論關(guān)鍵詞比對(duì)—篩選比對(duì)結(jié)果—反饋給用戶這樣一個(gè)相對(duì)漫長(zhǎng)且復(fù)雜的過(guò)程，而標(biāo)簽推薦系統(tǒng)僅需將標(biāo)簽相同的對(duì)象反饋給用戶即可，相對(duì)簡(jiǎn)略。因此在主旨為向用戶提供視頻，而僅僅將推薦系統(tǒng)作為一種附屬系統(tǒng)的視頻網(wǎng)站中，評(píng)論推薦系統(tǒng)并未像標(biāo)簽推薦系統(tǒng)一樣的到廣泛的應(yīng)用。相反，在以向用戶推薦為主的旅游網(wǎng)站中，準(zhǔn)確度高的評(píng)論推薦系統(tǒng)得到了廣泛運(yùn)用。

4.2 評(píng)論推薦系統(tǒng)的前景預(yù)測(cè)

由現(xiàn)在的網(wǎng)絡(luò)環(huán)境以及網(wǎng)絡(luò)技術(shù)來(lái)看，評(píng)論推薦系統(tǒng)未在視頻網(wǎng)站上的到廣泛運(yùn)用的原因是其復(fù)雜的操作程序，較大的操作量難以吸引視頻網(wǎng)站對(duì)這種推薦方式進(jìn)行開發(fā)研究，僅僅是具有代表性的Youtube對(duì)這種推薦方式進(jìn)行了開發(fā)。在未來(lái)，隨著硬件技術(shù)和網(wǎng)絡(luò)技術(shù)的發(fā)展，提取—過(guò)濾—反饋的過(guò)程會(huì)變得更加快捷簡(jiǎn)單，評(píng)論推薦系統(tǒng)也會(huì)逐漸被各大視頻網(wǎng)站所采用。而在以推薦為主的旅游等服務(wù)型網(wǎng)站上，高準(zhǔn)確性的評(píng)論推薦系統(tǒng)會(huì)繼續(xù)發(fā)展下去。

參考文獻(xiàn)

[1] 周良，王璇.視頻網(wǎng)站運(yùn)營(yíng)中用戶評(píng)論的作用及實(shí)證分析[J].中國(guó)流通經(jīng)濟(jì)，2015，29（2）：90-97.

[2] 李佳.基于意見挖掘與深度學(xué)習(xí)的推薦算法研究[D].吉林大學(xué)，2018.

[3] 扈中凱，鄭小林，吳亞峰，等.基于用戶評(píng)論挖掘的產(chǎn)品推薦算法[J].浙江大學(xué)學(xué)報(bào)：工學(xué)版，2013，47（8）：1475-1485.