论文部分内容阅读
用户的反馈通常包含一个数值评分和一段文本形式的评论．文中利用用户评论学习商品特征在不同主题上的分布及用户对商品不同特征的偏好程度，把商品特征和用户偏好的契合度引入传统的协同过滤算法中，提出基于用户评分和评论信息的协同推荐框架．使用该框架可较方便地将用户评论信息引入到现有的协同过滤算法中．通过引入用户评论信息，可一定程度缓解传统协同过滤算法面临的数据稀疏性问题．在22个亚马逊的真实数据集上的实验证明文中方法的有效性．