基于情感分析和概念词典的图书推荐方法

摘要

传统基于协同过滤的图书推荐算法根据读者的历史信息进行推荐,结果具有不可解释性且未考虑读者对图书内容的认知。针对此问题,本文提出一种基于情感分析和概念词典的图书推荐方法。首先,基于读者所需的概念词,通过Word2vec寻找概念内涵词汇,初步构建概念词典,再利用概念外延对词典进行扩展并赋予权值,确保推荐的准确性;然后,利用BEET方法对当当网图书评论进行情感分类,使推荐结果与读者所需的图书内容相关;最后整体分析得出图书概念系数以实施推荐并评估推荐结果。结果表明,本研究能合理解释推荐结果,且推荐准确性较高,具有较好的可行性。