考慮情感的個性化旅游項目推薦研究

李玉蒻

【摘 要】在當下這個信息時代，技術(shù)革新在社會中起到關(guān)鍵性作用，推薦系統(tǒng)的不斷優(yōu)化推進著電子商務(wù)模式的變化和發(fā)展。在近些年來看，在人民生活水平不斷提高的大環(huán)境下，更希望去外面的世界走一走看一看，也就是旅游，因此，人們對于旅游時間和目的地選擇、旅游產(chǎn)業(yè)個性化推薦的需求成明顯的上升趨勢。傳統(tǒng)實體旅行社顯然不能滿足如此大規(guī)模的需求，所以，國內(nèi)許多電商網(wǎng)站優(yōu)勢盡顯，如攜程、途牛、飛豬等等，他們依靠著搜集相關(guān)的大數(shù)據(jù)及算法運算，為人們進行更加個性化更加精確的旅游項目推薦。

【關(guān)鍵詞】情感分析；個性化推薦；協(xié)同過濾

一、問題研究背景

在當下復(fù)雜的網(wǎng)絡(luò)環(huán)境下，對于消費者或是客戶來講，可供選擇的信息量非常龐大，而且信息使用者的數(shù)量也呈現(xiàn)出明顯的上升趨勢。在許多情況下。用戶并不知道應(yīng)該以什么標準進行比較并做出選擇，舉例來說，用戶只知道自己想出境旅游，卻又不知道自己想去哪個國家，哪個國家適合現(xiàn)在的自己去。此時，傳統(tǒng)實體旅行社的推薦顯得千篇一律，而大數(shù)據(jù)時代下的電商網(wǎng)站，恰恰做到了幫助用戶以適合自身的標準進行篩選，避免了用戶的盲目查找，而是能為用戶提供最直接最有效的信息。

二、協(xié)同過濾推薦算法研究及改進

傳統(tǒng)的協(xié)同過濾算法主要有三種：1、基于用戶的協(xié)同過濾算法；2、基于項目的協(xié)同過濾算法；3、基于模型的協(xié)同過濾算法。傳統(tǒng)協(xié)同過濾技術(shù)主要依賴于用戶和項目之間的相似性，對不同用戶進行推薦，因其對推薦的對象要求極低，可以處理各種結(jié)構(gòu)化、非結(jié)構(gòu)化的內(nèi)容，而一直在推薦領(lǐng)域被廣泛運用。隨著技術(shù)的發(fā)展，面對海量的數(shù)據(jù)和結(jié)構(gòu)多樣的內(nèi)容，簡單的協(xié)同過濾算法已無法人們的需要。

本文主要對基于用戶的協(xié)同過濾算法進行改進，對其只考慮項目和用戶之間簡單關(guān)系的弊端進行改進，引入用戶和項目偏置，考慮用戶和項目之外的因素。例如，標準較高的用戶給分會偏低，而標準較低的用戶則給分較高。另一方面，網(wǎng)絡(luò)的發(fā)展，使得求好評的商家日益泛濫，而許多用戶更是習(xí)慣于給滿分，而把真是情感寄托于評論中。為了更好的解決此類現(xiàn)象給結(jié)果帶來的偏差，引入偏置，重新計算用戶評分。用戶評分，用戶平均評分，用戶情感得分，用戶評分新得分為：

在用于計算的用戶-項目矩陣中，將用新評分替代原始評分進行預(yù)測，考慮了用戶個人屬性以及情感傾向的協(xié)同過濾算法將更加個性化，也更符合用戶需求。

三、基于評論的情感分析技術(shù)研究

隨著自然語言處理技術(shù)的發(fā)展，情感分析的需求日益旺盛，傳統(tǒng)的情感分析方法主要是基于詞典的分析方法，現(xiàn)代衍生出越來越多的基于機器學(xué)習(xí)的分析方法，最主流的即基于RNN的情感分析方法，但是隨著數(shù)據(jù)量級數(shù)增長，RNN的運算速度受到很大影響，而LSTM網(wǎng)絡(luò)模型的誕生解決了這一問題，不僅具有更快的效率還具有更高的準確性。

LSTM網(wǎng)絡(luò)比RNN網(wǎng)絡(luò)多了一層cell state，相當于模型中的記憶空間，是隨時間變化的，LSTM網(wǎng)絡(luò)的關(guān)鍵就在于擁有忘記門，能控制訓(xùn)練時梯度的收斂性，更好的保持長期記憶。

LSTM網(wǎng)絡(luò)相比傳統(tǒng)RNN網(wǎng)絡(luò)具有多條線路，上邊紅色橢圓內(nèi)即為cell state （單元狀態(tài)），控制信息的傳遞，它第一步用sigmoid決定什么信息可以通過cell state，第二步是接收新信息進行更新。這個過程分為兩部分，首先，用sigmoid函數(shù)來決定更新哪些值，然后，再用一個tanh層生成新的候選值，這個候選值將被當成當前層的候選值添加到單元狀態(tài)中。我們會對這兩部分的值相互整合，并進行更新，丟掉不需要的，添加新信息。

為了更好的進行模型的輸出。首先，要通過sigmoid層產(chǎn)生一個原始的輸出，然后使用tanh函數(shù)對其值進行縮放，使其范圍在-1到1間，再與sigmoid層得到的輸出對應(yīng)相乘，從而產(chǎn)生模型最終的輸出。

四、數(shù)據(jù)集分析研究

本實驗采用的數(shù)據(jù)集為爬蟲爬取的攜程網(wǎng)8萬多條數(shù)據(jù)，數(shù)據(jù)結(jié)構(gòu)如下表所示：

本文先對數(shù)據(jù)進行處理，生成如上圖統(tǒng)一格式，再對用戶評論進行提取，進行情感分析，所得評分再與用戶項目評分進行加權(quán)，得到新評分，最后進行基于用戶的協(xié)同過濾推薦產(chǎn)生推薦結(jié)果。此種方法相較于傳統(tǒng)協(xié)同過濾算法更加考慮個性化因素，推薦結(jié)果也比傳統(tǒng)協(xié)同過濾算法更優(yōu)，達到了較高的精準率。

五、結(jié)束語

如今個性化推薦被廣泛普及和應(yīng)用，本文在協(xié)同過濾算法的基礎(chǔ)上，考慮了用戶對參與過的旅游項目的情緒，提出了關(guān)于用戶在評價旅游項目時是處于一個以情緒為主導(dǎo)的綜合的情境之中的概念，同時也對基于情感分析的個性化旅游項目推薦進行了嚴密深入的探討，通過建立LSTM模型，分析用戶情感，進而建立新的協(xié)同過濾方法，并用該模型合理謹慎地對攜程旅行的數(shù)據(jù)集進行實驗，所得結(jié)果較傳統(tǒng)方法更優(yōu)。由此可以對用戶更加負責(zé)地進行更精準、更加個性化、更能令人滿意的相關(guān)旅游項目推薦。