基于情感傾向的信息推薦算法研究.pdf

1、伴隨著計算機技術的發(fā)展，大部分網站通過采用一種新的探索方法——信息數(shù)據挖掘推薦，實現(xiàn)了無人工檢索即可獲得信息的新技術。數(shù)據挖掘推薦可以在恰當?shù)臅r機為適宜的對象提供相關的產品信息或數(shù)據，使更多的用戶能享受到周到的服務體驗，從而提高網站的點擊率。繼搜索引擎誕生之后，數(shù)據挖掘推薦算法成為除了搜索算法以外，另一種信息獲取方法，它的應用范圍十分廣闊，不僅可用于互聯(lián)網新聞消息發(fā)布、有關數(shù)據文本發(fā)掘。日前，有關情感計算的研究工作越來越受到信息領域相關

2、專家的關注，情感計算已成為信息學科最具有潛力的發(fā)展方向。就個性化數(shù)據挖掘推薦服務來說，可以利用用戶的情緒變化與喜惡態(tài)度來判斷其情感需求，而新的需求會隨著系統(tǒng)應用領域的增大而增大。最終，用戶的情感需求研究會演變?yōu)閭€性化數(shù)據挖掘推薦服務的一個重要組成部分。在對個性化數(shù)據挖掘推薦、人工情感等有關理論知識進行總結分析的基礎上，本文改進了一種以情感傾向為基礎的信息數(shù)據挖掘推薦算法，并利用一系列的優(yōu)化算法實現(xiàn)了基于情感的數(shù)據挖掘推薦。文章以數(shù)據挖掘

3、推薦算法為出發(fā)點，通過比較所提兩種不同的情感推薦模型，得到不同形成條件下更合理的數(shù)據挖掘推薦算法。
　　目前的文獻中基本都是在進行選詞的優(yōu)化，本文的創(chuàng)新點在于引入極限學習機的優(yōu)化算法處理情感數(shù)據中的噪聲數(shù)據，加權極限學習機算法研究。研究兩種基于極限學習機的加權推薦算法，分別是單加權極限學習機(WELM)和雙加權極限學習機(BWELM)，不同于ELM推薦器，WELM直接將加權隸屬度加權到推薦器中，對存在噪聲數(shù)據的樣本進行推薦時，提高