- 學位論文
以網路評論分析作為信任基礎之推薦系統
Analyzing the Internet Comments for Trust Based Recommender System
若您是本文的作者，可授權文章由華藝線上圖書館中協助推廣。
摘要
由於推薦系統近年來在各項領域中受到廣泛的使用，在各大商務網站中也受到相當程度的重視，而推薦系統中最常被運用的協同過濾式推薦，更是廣泛地被運用在電子商務領域中。傳統的推薦系統都是針對商品的量化回饋或交易資訊來進行資料分析，再依此數據分析進行內容導向式(Content-Based)推薦或協同過濾式(Collaborative Filtering)推薦。不過當面臨產品項目過多或者使用者數量多的情形下，要找到和目標使用者一樣曾購買過類似產品的其它使用者，很有可能相關資料並不會太多，因此會面臨可參考的群族成員較少，致使推薦較變得更加困難。 現今社群網路(Social Network)的盛行，許多使用者透過社群平台對產品進行評價及評論，社群成員也會在彼此間透過分享、留言、按讚、回饋等行為，來加深彼此間的交流和關係，經由這樣的互動進而產生網路社群成員之間的信任關係。許多學者們也將這樣的關係透過一些計算的方法來找出其信任值。 有關使用者對產品的留言回饋意見，過去的研究通常較側重於語意分析(semantic analysis)或字詞解析等議題，較少有研究將使用者評論內容之正向/負向意義加以運用分析。事實上，使用者的回饋意見通常含有對產品正向或負向的評價，這類評價更能代表使用者或相關的留言者他們對產品的共通看法，因此有相同留言看法的使用者們，其偏好的相似性，也具有推薦的參考價值。為了找到更多的可能被推薦的潛在使用者，本研究認為除了傳統的推薦方法外，亦應加入使用者對產品的評論或留言加以分析，找出使用者會與其他使用者對產品留言之間的信任關係。有鑑於此，本研究提出一個以網路評論做為信任基礎的推薦系統，本研究擷取使用者對產品之評論或對其它使用者的評論留言等，做為信任分析依據，藉此來擴增可進行推薦的使用者群組。 本研究以amazon.com網站使用者對產品的評論和回應意見，先建立出一個以信任為模型的網路，接著透過TF-IDF將這些評論進行字詞解析及向量化，並利用SVM對這些評論的內容進行分類(正向/負責)，找出使用者之間的信任關係，據此作為擴充推薦系統可參考的偏好對象的方法。藉此方法擴增推薦的廣度並提升資料覆蓋率，找出更多的潛在用戶，並將更多用戶可能有興趣的產品推薦給目標用戶。
並列摘要
Recommendation system have been widely used in various fields in recent years and have received considerable attention in major business website. The most frequently used collaborative filtering recommendation is extensively applied to electronic commerce. While conventional product recommendation system tend to analyze the quantitative feedbacks or information of transactions, and the analysis of feedbacks focuses more on the semantics, the message and the correlation between them, the reply of feedbacks are less discussed. In view of this, we would like to present an analysis of correlation among users’ product feedbacks. By the possible trust among the users who comment on the product, this research try to figure out if it is possible to make such comments for recommendation. In this study, we set up a network of a trust-based model according to comments from the responses of Amazon (amazon.com), quantify them by using TF-IDF Comments, use SVM to classify this quantitative information, and identify the relation of trust among users. Then, we further adjust the users’ trust node with In-Degree weight(s) and increase confidence values as the basis for recommendation. Making it a method of collaborative filtering recommendation, this research thereby adds the recommendation accordance, improves data coverage, find potential users, and recommend the products that a target user may be interested in.
參考文獻
[5] 遊和正、黃挺豪、陳信希，「領域相關詞彙極性分析及文件情緒分類之研究」，中文計算語言學期刊，第17 卷第四期，第33-48頁，2012年。
[8] 黃河銓、李奕縉、黃昱凱，「整合信任網路與回饋機制之個人化餐廳推薦系統」，資訊與管理科學，5(2)，第65-78頁，2012年。
[2] 廖品妍，「以顯性評價為主之相似性推薦」，朝陽科技大學資訊管理系碩士論文，2010年。
[3] 蔡美慧，「以偏好導向為相似性量測的協同過濾式推薦」，朝陽科技大學資訊管理系碩士論文，2010年。
[4] 許榮望，「評論語意自動化分析與顧客滿意度應用之研究-以中國旅遊網站為例」，朝陽科技大學資訊管理系博士論文，2013年。