ПОКРАЩЕННЯ СИСТЕМ РЕКОМЕНДАЦІЙ: ГІБРИДНИЙ ПІДХІД З ВИКОРИСТАННЯМ АНАЛІЗУ ТОНАЛЬНОСТІ ТЕКСТУ ТА КОЛАБОРАТИВНОЇ ФІЛЬТРАЦІЇ

Анотація

У цій роботі розглядаються обмеження традиційних систем рекомендацій шляхом включення аналізу настроїв у спільну фільтрацію для підвищення точності рекомендацій. Звичайні системи часто ігнорують емоційний контекст у відгуках користувачів, покладаючись переважно на минулу поведінку чи явні вподобання. Запропонований підхід аналізує настрої — позитивні, нейтральні чи негативні — в онлайн-оглядах, щоб зафіксувати емоційну реакцію користувачів на продукти, таким чином покращуючи персоналізацію. За допомогою семантичного аналізу та спільного використання функцій алгоритм визначає та класифікує характеристики продукту та думки користувачів. Експерименти показують, що цей метод з урахуванням емоцій забезпечує більш точні, повні та задовільні рекомендації, особливо для подібних продуктів, шляхом узгодження пропозицій із функціональними та емоційними вподобаннями користувача.