摘要：协同过滤推荐算法通常是基于兴趣相似的用户行为来实现个性化推荐,其核心是定义用户之间的兴趣相似度.本文在传统的协同过滤推荐算法基础上,考虑在线评论对用户相似度识别的影响.在混合商品推荐中,粗粒度识别评论情感极性;而在同类商品推荐中,细粒度识别每个商品特征的情感极性.如果用户对产品的某个特征评价次数大于平均次数,表明用户对该特征较关注;如果对产品的某个特征评价低于平均评价,表明用户对该特征较挑剔.进而根据用户评论来建立用户偏好模型,用户在评论中反映出来的相似度越高,表明用户之间的偏好越一致.实验表明,同传统的协同过滤算法相比,基于在线评论情感分析的用户协同过滤算法在准确率和召回率指标上有显著提升.

关键词：推荐系统 推荐算法 协同过滤 在线评论 情感分析 

单位：同济大学经济与管理学院 上海200092