融合用户兴趣及评论效用的评论信息推荐

来源：图书情报工作杂志2021年第10期北京时间：

作者：聂卉,邱以菲

单位：中山大学信息管理学院 广州 510275

摘要：[目的/意义] Web 2.0时代，在线评论质量参差不齐和过载问题十分严重，人们从中获取有价值内容的认知成本越来越高。探究以信息推荐方式解决评论过载的有效方案，以提升网络信息利用率和信息服务质量。论文提出的评论排名推荐方案关注评论的信息质量，更强调对用户的个人信息需求的满足。[方法/过程] 研究运用概率主题模型，引入词向量构建主题空间下的用户模型和评论模型，通过将其纳入评论感知效用评测系统，实现融合用户兴趣和评论质量的评论推荐，推荐效果通过系统实验予以检测。[结果/结论] 实验结果表明，评论信息质量和用户个体的信息需求，共同作用于用户对评论感知效用的满意度；推荐策略实现了二者的有机融合，三组不同推荐模式下的评测效果显示，相较于单纯的"兴趣推荐"和"效用推荐"，"融合推荐"综合满意度得分最高。

关键词：信息推荐,评论效用预测,用户建模,在线评论,

基金资助：本文系国家社会科学基金项目\"面向用户感知效用的在线评论的质量与控制研究\"（项目编号：15BTQ067）研究成果之一。