25、基于情感分析的分布式商品推荐系统

基于情感分析的分布式商品推荐系统

1. 引言

随着电子商务的兴起，大量数据被产生，计算也变得日益复杂。推荐系统作为一种软件工具和程序，能为用户提供各种目标的推荐。用户对产品的评分和评论会形成大量数据，这些信息可用于评估用户的兴趣和偏好。

在流行的电商网站上，消费者会留下数十亿条关于各类产品的评论、评分等信息，且数量还在不断增加。为了提供更好的推荐，需要智能地处理这些海量数据。

情感分析是决策支持和推荐系统的基础，它能提取用户情感状态信息，提高用户满意度。常见的推荐算法有基于内容的过滤算法和协同过滤算法，但它们都存在一些问题。基于内容的过滤算法难以泛化，协同过滤算法则存在冷启动、推荐热门商品以及评分矩阵稀疏等问题。

本文提出了一个可扩展的分布式推荐系统，结合了协同过滤、情感分析和交替最小二乘法（ALS）。情感分析将评论转化为数值，加权归一化方法用于获得归一化评分，再将其输入到 ALS 模型中，以产生更准确的推荐。

2. 相关工作回顾

• 早期推荐系统 ：20 世纪 90 年代，推荐系统出现，当时消费者通常根据评分结构获得建议。1992 年，Goldberg 等人创建了第一个以客户为中心的推荐系统 Tapestry。
• 后续发展 ：
  • Osman 等人提出了一种将上下文信息情感算法集成到推荐系统中的新技术，性能优于典型的协同过滤策略。
  • Cui 等人选择了基于时间相关系数和升级的 K - 均值与布谷鸟搜索（CSK - 均值）的新推荐模型 TCCF，通过聚类方法