Please wait a minute...
浙江大学学报(工学版)
浙江大学学报(工学版)
人机交互与普适计算     
基于群体智能挖掘的个性化商品评论呈现方法
景瑶, 郭斌, 王柱, 於志文, 周兴社
西北工业大学 计算机学院,陕西 西安 710129
CrowdReview: personalized product review presentation based on crowd intelligence mining
JING Yao, GUO Bin, WANG Zhu, YU Zhi-wen, ZHOU Xing-she
School of Computer Science, Northwestern Polytechnical University, Xi’an 710129, China
 全文: PDF(3291 KB)   HTML
摘要：

为了研究基于群体智能挖掘的个性化商品评论呈现方法,以大众点评用户评论为研究对象,对大众点评中的用户评论进行特征提取,并发现兴趣相似的用户.特别是提出基于情感特征和主题分布特征的相似群体发现方法,通过提取用户历史评论的情感特征和主题分布特征,刻画用户之间情感和主题的相似度,并发现兴趣相似的用户群体,实现个性化评论呈现.实验结果表明,采用提出的方法可以体现用户间兴趣的相似性并发现与用户有相似兴趣的群体,向用户个性化呈现评论.
Abstract:

Personalized product reviews were presented by exploring the public comment data in order to study the method of personalized product review presentation based on crowd intelligence mining. Sentiment feature and topic distribution feature from user reviews were extracted and users  were clustered into different groups based on the sentiment similarity and topic distribution similarity of their reviews. Experimental results show that our approach can reflect the similarity of users and find the same group. For a given user, reviews can be only presented from those who belong to the same group as oneself．
出版日期: 2017-04-25
CLC:  TP 399  
基金资助:

国家“973”重点基础研究发展规划资助项目（2015CB352400）；国家自然科学基金资助项目（61332005,61373119,61222209）.
通讯作者: 郭斌，男，教授. ORCID：0000-0001-6097-2467.     E-mail: guob@nwpu.edu.cn
作者简介: 景瑶（1994—），女，硕士生，从事普适计算的研究. ORCID: 0000-0001-8533-3944. E-mail: jy_jingyao@163.com
服务　　
把本文推荐给朋友
加入引用管理器
E-mail Alert
作者相关文章　　

引用本文:

景瑶, 郭斌, 王柱, 於志文, 周兴社. 基于群体智能挖掘的个性化商品评论呈现方法[J]. 浙江大学学报(工学版), 10.3785/j.issn.1008-973X.2017.04.006.

JING Yao, GUO Bin, WANG Zhu, YU Zhi-wen, ZHOU Xing-she. CrowdReview: personalized product review presentation based on crowd intelligence mining. JOURNAL OF ZHEJIANG UNIVERSITY (ENGINEERING SCIENCE), 10.3785/j.issn.1008-973X.2017.04.006.

［1］  SHIMADA K, TADANO R, ENDO T. Multi-aspects review summarization with objective information ［J］. Procedia-Social and Behavioral Sciences, 2011, 27:140-149．
［2］  ZHANG R, ZHANG Z, HE X, et al. Dish comment summarization based on bilateral topic analysis ［C］∥2015 IEEE 31st International Conference on Data Engineering. Seoul: IEEE, 2015: 483-494．
［3］  BRANDOW R, MITZE K, RAU L F. Automatic condensation of electronic publications by sentence selection ［J］. Information Processing and Management, 1994,31(5): 675-685．
［4］  PANG B, LEE L. A sentimental education: sentiment analysis using subjectivity summarization based on minimum cuts ［C］∥Proceedings of the 42nd ACL. ［S. l.］: ACL, 2004: 271-278.
［5］  PANG B, LEE L. Opinion mining and sentument analysis ［J］. Foundations and Trends in Information Retrieval, 2008, 2(1/2): 1-135．
［6］  PANG B, LEE L, VAITHYANATHAN S. Thumbs up？: sentiment classification using machine learning techniques ［C］∥ ACL02 Conference on Empirical Methods in Natural Language Processing. \[S.l.\]: ACL, 2002: 79-86.
［7］  TAN S, ZHANG J. An empirical study of sentimentanalysis for chinese documents ［J］. Expert Systems with Applications, 2008, 34(4): 2622-2629．
［8］  HU M, LIU B. Mining opinion features in customer reviews ［C］∥ Proceedings of the 19th National Conference on Artifical Intelligence. San Jose: AAAI, 2004: 755-760．
［9］ TOKUDA N, CHEN L, SASAI H. New differential LSI space-based probabilistic document classifier: EP, EP1430378 ［P］. \[2016-07-01\]．
［10］ HOFMANN T. Probabilistic latent semantic indexing ［C］∥ International ACM SIGIR Conference on Research and Development in Information Retrieval. Sheffield: ACM, 2004: 56-73．
［11］ BLEI D M, NG A Y, JORDAN M I. Latent dirichlet allocation ［J］. Journal of Machine Learning Research, 2003, 3: 993-1022．
［12］ DAGAN I, LEE L, PEREIRA F C N. Similarity-based models of word cooccurrence probabilities ［J］. Machine Learning, 1999, 34(1): 43-69．
［13］ MELVILLE P, YANG S M, SAARTSECHANSKY M, et al. Active learning for probability estimationusing Jensen-Shannon divergence \[C\]∥European Conference on Machine Learning. Porto: \[s.n.\], 2005.
[1] 刘雪娇,殷一丹,陈蔚,夏莹杰,许佳丽,韩立东. 基于区块链的车联网数据安全共享方案[J]. 浙江大学学报(工学版), 2021, 55(5): 957-965.
[2] 尤明辉,殷亚凤,谢磊,陆桑璐. 基于行为感知的用户画像技术[J]. 浙江大学学报(工学版), 2021, 55(4): 608-614.
[3] 张玉琪,郭斌,丁亚三,刘思聪,於志文. 社交网络假消息辟谣作用机理[J]. 浙江大学学报(工学版), 2021, 55(4): 615-625.
[4] 徐利锋,黄海帆,丁维龙,范玉雷. 基于改进DenseNet的水果小目标检测[J]. 浙江大学学报(工学版), 2021, 55(2): 377-385.
[5] 许豪灿,李基拓,陆国栋. 由LeNet-5从单张着装图像重建三维人体[J]. 浙江大学学报(工学版), 2021, 55(1): 153-161.
[6] 康庄,杨杰,郭濠奇. 基于机器视觉的垃圾自动分类系统设计[J]. 浙江大学学报(工学版), 2020, 54(7): 1272-1280.
[7] 闫旭,范晓亮,郑传潘,臧彧,王程,程明,陈龙彪. 基于图卷积神经网络的城市交通态势预测算法[J]. 浙江大学学报(工学版), 2020, 54(6): 1147-1155.
[8] 柯懂湘,潘丽敏,罗森林,张寒青. 基于随机森林算法的Android恶意行为识别与分类方法[J]. 浙江大学学报(工学版), 2019, 53(10): 2013-2023.
[9] 吴奇龙,於志文,路新江,郭斌. 城市兴趣点演化规律的可预测性分析[J]. 浙江大学学报(工学版), 2019, 53(9): 1768-1778.
[10] 汪子龙,王柱,於志文,郭斌,周兴社. 多源数据跨国人口迁移预测[J]. 浙江大学学报(工学版), 2019, 53(9): 1759-1767.
[11] 任思源,郭斌,张曼,岳超刚,李青洋,於志文. 寄递大数据城市画像[J]. 浙江大学学报(工学版), 2019, 53(9): 1779-1787.
[12] 李诺,郭斌,刘琰,景瑶,於志文. 神经协同过滤智能商业选址方法[J]. 浙江大学学报(工学版), 2019, 53(9): 1788-1794.
[13] 刘宇,罗森林,曲乐炜,潘丽敏,张笈. 全特征信息均衡建模的内部威胁人物检测[J]. 浙江大学学报(工学版), 2019, 53(4): 777-784.
[14] 宋言言,罗森林,尚海,潘丽敏,张笈. 函数Native化的Android APP加固方法[J]. 浙江大学学报(工学版), 2019, 53(3): 555-562.
[15] 郭彤, 郭斌, 张佳凡, 於志文, 周兴社. 多源社交数据融合的多角度旅游信息感知[J]. 浙江大学学报(工学版), 2017, 51(4): 663-668.