徐積文，張永棠

(廣東東軟學院 計算機學院，廣東 佛山 528225)

0 引言

評論信息是消費者選購商品的參考信息之一，對商品購買決策的影響非常重要[1]，然而，評論信息形式為半結構化或非結構化，商品購買決策時面臨前所未有的挑戰(zhàn)[2]。文獻[3]采取基于內(nèi)容的熱門話題的個性化推薦，并且利用文本相似度計算方法計算微博話題與用戶之間的相似度，實現(xiàn)個性化的推薦。文獻[4]提出一種聯(lián)合K-means的個性化推薦方法，將具有相似特征的產(chǎn)品聚到一個類別內(nèi)，然后將與每個聚類中心點最近的產(chǎn)品推薦給用戶。文獻[5]在新聞文本分類的文本分類算法中使用LDA進行特征降維；文獻[6]在研究文本間的相似性問題時，使用 LDA模型計算文本相似，根據(jù)文本相似度將搜索記錄數(shù)據(jù)結果集進行分類。

這些推薦系統(tǒng)一般使用戶評分數(shù)據(jù)的推薦算法，存在數(shù)據(jù)稀疏、評分信息不能夠真實有效地表達用戶興趣等問題。本文以網(wǎng)站商品評論為物品特征描述語料，使用隱含狄利克雷分布（Latent Dirichlet Allocation，LDA）[7]主題模型提取物品主題特征，在此基礎上，結合TF-IDF提取主題關鍵詞特征，作為物品描述文本信息的主題——關鍵詞特征集，以增強主題粗粒度特征對物品的描述能力，提高推薦的準確率。與現(xiàn)有的算法相比，該算法能更好地解決冷起動問題。

1 模型描述

1.1 LDA 主題模型

LDA主題模型其實是基于“文本–主題–詞”的三層貝葉斯產(chǎn)生式模型[8]，用LDA主題模型對產(chǎn)品的評論內(nèi)容進行主題詞的抽取，用主題維度來代替原來的詞項維度，可以較好地降低文本表示的特征維度。本文通過使用主題模型，文本就被投影到k個主題上。

示文本Dn在主題Tk上的概率。

LDA的圖模型結構如上圖 1所示，在 LDA模型中，一篇文檔生成的方式為：

圖1 LDA的三層貝葉斯網(wǎng)絡模型圖Fig.1 Three-layer Bayesian network model of LDA

（1）文檔規(guī)模的大小服從 Poisson分布，記作 N～Possion(ζ)；

（2）文檔Dm主題分布參數(shù)的生成θm～ Dir(α)，即狄利克雷分布生成文檔Dm的K維主題向量mθ，其中狄利克雷分布參數(shù)用α表示。這個操作需要重復N次，生成所有文檔主題隨機分布；

（3）生成文檔特征詞wm,n：以根據(jù)文檔的主題向量θm的多項式分布Mulitinomial(θ)選擇該詞對應的某一隱藏主題zm,n，接著以多項式概率分布Mulitinomial(φ(z))即φk，從主題z中擇某一特征詞wm,n。

1.2 LDA 主題模型拓展

2 推薦算法

2.1 用戶評論文本情感分析

本文使用Google公司的開源工具Word2vec[9]，處理及簡化向量空間中詞向量運算，包含兩種語言模型。其中，CBOW根據(jù)上下文語境預測目標詞語，Skip-Gram根據(jù)當前單詞預測上下文語境窗口內(nèi)的詞語。

具體處理及簡化運算的步驟如下：

Step.1通過爬蟲程序爬取評論信息，并進行預處理；

Step.2訓練主題模型，生成word2vec詞向量；

Step.3獲取文本關鍵詞語的詞向量，計算每條評論文本詞向量均值，做為每條評論文本的文本向量；

Step.4將有標記的評論文本向量按4∶1比例分為訓練集和測試集，采用 SVM 分類器，篩選出物品的正向評論、獲取物品正向評論率。物品i正向評論率posir為物i正向評論條數(shù)counti，與物品i總評論條數(shù) c ommentsi比值。

2.2 個性化產(chǎn)品推薦列表

在給具體某用戶推薦物品時還需要考慮該用戶歷史評分，把用戶ui對物品 j的評分用Si,j進行表示，用戶歷史記錄中有打分行為的物品數(shù)目為n，用戶ui對物品 j的評分偏好記為wi,j，則計算公式為：

其中posir是物品i的正向評論率，是物品i正向評論條數(shù)與其總評論條數(shù)比值。

3 實驗及結果

實驗數(shù)據(jù)采用爬蟲技術從豆瓣電影網(wǎng)站[9]采集共1 000部電影，830萬條評論信息，并獲取用戶對電影評分數(shù)據(jù)，部分評論數(shù)據(jù)如表1所示。按4∶1樣本進行實驗訓練，計算推薦準確率、召回率信息。

表1 部分電影信息Table 1 Some movie information

圖2和圖3分別展示了Top-N不同推薦長度下推薦準確率、召回率。從圖上可以看出，在比較不同算法在相同的推薦長度下，本文的算法的優(yōu)勢明顯?；趦?nèi)容的推薦算法在推薦長度相同的情況下，準確率和召回率均有所提高。

圖2 不同推薦長度下推薦準確率Fig.2 Recommen dation accuracy under different recommendation length

圖3 不同推薦長度下推薦召回率Fig.3 Recommendation recall rate under different recommendation length

4 結論

提出了一種融合用戶情感分析的個性化推薦算法，通過選取主題關鍵詞結合TF-IDF權重進行物品主題關鍵詞特征拓展，分析用戶感興趣物品相似度較高的產(chǎn)品作為推薦列表進行推薦。按4∶1樣本進行實驗訓練，驗證了該算法能更好地解決冷起動問題。