11、偏好与情感引导的带时间动态性的社交推荐

偏好与情感引导的带时间动态性的社交推荐

1. 评估概述

在产品推荐中，我们提出了一种结合时间和偏好引导的方面权重提取方法。首先，我们进行了一项试点研究，将我们算法提取的方面质量与现有最先进的方法进行比较。之后，我们使用从亚马逊和 Cnet 数据得出的两个基准排名，评估该推荐系统在实际应用中的效果。

2. 对比试点研究 - 方面提取分析

我们使用了一个包含手动标记产品方面的公开产品评论数据集，选取至少有一百条评论的手机类产品。通过精确率、召回率和 F 度量来比较手动标记的方面和提取的方面。我们更看重精确率，因为这意味着我们能识别产品的真实方面，有助于更好地了解用户偏好，因此本研究采用 F0.5 度量。我们将提出的方法与以下替代提取算法进行比较：
- FqItemsets ：使用 Apriori 算法识别候选方面，然后使用频率截止阈值进行修剪。
- FqPos ：使用词性（POS）提取模式，然后使用基于情感的频率截止阈值进行修剪。
- DPrules ：使用依赖提取规则。
- FqDPrules ：与 DPrules 相同，但使用频率截止来修剪候选方面。

方法	精确率	召回率	F0.5 度量
FqItemsets