大众点评POI与评论推荐-毕业论文 .pdfVIP

文档均为word文档，下载后可直接编辑使用亦可打印

摘要

随着互联网和移动通信迅猛发展，电子商务强势崛起，越来越多的人倾向于网上

消费。如何从海量的互联网数据中筛选出用户感兴趣的信息成为了全球互联网用户潜

在的问题，推荐系统(RecommendationSystem)技术通过搜索大量动态生成的信息来为

用户提供个性化的内容和服务来解决这个问题。

推荐系统作为一种信息过滤方式，试图预测用户的偏好兴趣和对物品的评价。近

年来，频繁活跃的互联网用户在消费信息的同时也产出了海量的原创内容。本文的主

要研究工作是深度挖掘用户原创的评论内容，分析出用户和物品的特征，进而进行评

分预测。

评论(Comment)指人对于事物做出的客观叙述，反映了人的主观感受。基于用户

的文本评论数据，本文的主要研究工作如下：

首先，从互联网上采集包含有用户、物品和用户文本评论的数据。该数据集来源

于大众点评网。然后对评论文本进行分词，用词向量对其进行数学表达，形成主题词

的分布表。

最后，基于用户文本用评论主题词进行评分预测，通过线性回归模型和改进的协

同过滤算法预测评分，最终的实验结果表明，预测的评分客观准确，同时组合的预测

算法效果更优。

关键词：推荐系统；用户评论；线性回归；评分预测

Abstract

riseofe-commerce,moreandmorepeopletendtospendonline.Howtofilterthe

throughlargevolumeofdynamicallygeneratedinformationtoprovideuserswith

personalizedcontentandservices.

predicttheuserspreferenceforinterestandtheevaluationoftheitem.Inrecentyears,

whileconsuminginformation.Themainresearchworkofthispaperistodeeplymineuser-

scorepredictions.

mainresearchworkofthispaperisasfollows:

mathematicallyexpressedbythewordvector.Thenthetextofthecommentissegmented

word.

topredictthescores.Thefinalexperimentalresultsshowthatthepredictedscoresare

Keywords:RecommendationSystem;Users’Comment;LinearRegression;Rating

Forecast

前言

进入互联网时代后，技术发展日新月异，人类获取信息的数量也急剧增长，从匮

乏到当前的过载，信息的获取信息的方式也逐渐多样化。互联网是当代信息的重要载

体，日常活动呈现数字化趋势，形形色色的数据充斥在互联网的网页上，不管是信息

的生产者还是消费者，都面临信息处理的难题。对消费者来说，不借助工具在海量的

数据中发掘出自己需要的信息于个人来说几乎不可能，对生产信息的企业和商家来说，

如何把产出的信息加工分类，把用户感兴趣的信息推送到用户面前也是巨大的挑战。

推荐系统则可以解决上述的难题，它不仅可以帮助用户过滤不感兴趣的无关信息，而

且能发掘出用户潜在的可能喜欢的信息。因此，推荐系统在数据挖掘领域具有重要的

研究价值。

推荐系统可以针对某个用户对某项物品进行模拟的评分预测。本文主要研究的就

是基于用户的文本评论进行深度分析，挖掘用户和物品特征，模拟出用户对物品的评

价。本文的主要工作和创新点如下所示：

（1）利用网络爬虫获取大众点评的餐饮服务数据，包含用户、物品和文本评论

数据。

（2）对中文文本评论进行分词处理。

（3）对分词后的文本利用word2vec工具构建成矩阵表达，通过相似度排序得

到主题词的分布表。

（4）基于评论的主题分布