• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>User modeling, adaptation, and personalization >Utilising User Texts to Improve Recommendations
【24h】

Utilising User Texts to Improve Recommendations

机译：利用用户文本来改进建议

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Recommender systems traditionally rely on numeric ratings to represent user opinions, and thus are limited by the single-dimensional nature of such ratings. Recent years have seen an abundance of user-generated texts available online, and advances in natural language processing allow us to better understand users by analysing the texts they write. Specifically, sentiment analysis enables inference of people's sentiments and opinions from texts, while authorship attribution investigates authors' characteristics. We propose to use these techniques to build text-based user models, and incorporate these models into state-of-the-art recommender systems to generate recommendations that are based on a more profound understanding of the users than rating-based recommendations. Our preliminary results suggest that this is a promising direction.
机译：推荐系统传统上依靠数字等级来表示用户意见，因此受到此类等级的一维性质的限制。近年来，在线生成了大量用户生成的文本，自然语言处理的进步使我们能够通过分析用户编写的文本来更好地理解用户。具体来说，情感分析可以从文本中推断出人们的情感和观点，而作者身份归属则可以调查作者的特征。我们建议使用这些技术来构建基于文本的用户模型，并将这些模型整合到最新的推荐器系统中，以生成比基于评级的推荐更深刻地了解用户的推荐。我们的初步结果表明，这是一个有希望的方向。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号