1、用戶在線購物時(shí)常常被在線平臺(tái)要求對(duì)他們購買的商品及相關(guān)服務(wù)進(jìn)行評(píng)價(jià)，撰寫評(píng)論。隨著電子商務(wù)的日益成熟，用戶評(píng)論的數(shù)量也在不斷增長(zhǎng)。一件熱門商品甚至?xí)谐汕先f的評(píng)論。這就對(duì)潛在的用戶和商家造成了困難，因?yàn)橛脩魺o法快速閱讀評(píng)論并做出合理的決策，而商家則無法跟蹤商品的問題，及時(shí)調(diào)整生產(chǎn)經(jīng)營(yíng)策略。精準(zhǔn)的推薦系統(tǒng)能快速幫助用戶找到他們所需要的產(chǎn)品。但是，目前推薦方法的研究主要集中在用戶信息和在線行為。評(píng)論能直接反應(yīng)商品特征和用戶觀點(diǎn)。因此，本文

2、將觀點(diǎn)挖掘策略應(yīng)用于推薦系統(tǒng)中，提出一種基于觀點(diǎn)挖掘的混合推薦模型。
　　本文的主要工作包括：
　　（1）本文首先對(duì)評(píng)論語料進(jìn)行分詞、詞性標(biāo)注、句法分析。然后，手動(dòng)抽取少量觀點(diǎn)詞作為種子，根據(jù)觀點(diǎn)詞和特征詞出現(xiàn)的共現(xiàn)關(guān)系，抽取特征詞集合。從觀點(diǎn)詞的同義關(guān)系以及觀點(diǎn)詞-特征詞-觀點(diǎn)詞的傳遞關(guān)系，找到其它的觀點(diǎn)詞。循環(huán)往復(fù)，直到最后沒有新的觀點(diǎn)詞和特征詞可以加入，利用上述的方法找到特征詞集和觀點(diǎn)詞集。
　?。?）本文引入直

3、覺模糊集理論對(duì)觀點(diǎn)詞進(jìn)行極性判斷，針對(duì)得到的觀點(diǎn)詞集，首先，結(jié)合觀點(diǎn)詞所在單句的評(píng)論得分，給出觀點(diǎn)詞的傾向。然后，在復(fù)雜句，即出現(xiàn)多個(gè)觀點(diǎn)詞的情況下，利用直覺模糊集理論和已知觀點(diǎn)詞的傾向來判斷剩余未知的觀點(diǎn)詞傾向。
　　（3）本文將評(píng)論觀點(diǎn)加入到推薦模型中提出了基于用戶-商品-觀點(diǎn)的混合推薦模型，根據(jù)用戶-商品-觀點(diǎn)的關(guān)系從評(píng)論語料中抽取用戶特征、商品特征以及觀點(diǎn)特征，將隨機(jī)森林和梯度漸進(jìn)回歸樹以及邏輯回歸引入混合模型，將抽取出的