【技术实现步骤摘要】
本专利技术涉及电商推荐系统领域，具体涉及一种基于虚假评论检测优化的电商推荐方法。
技术介绍
1、随着电子商务的迅猛发展，在线购物平台的推荐系统成为了用户购买决策的重要依据之一。
2、目前，电商平台推荐系统主要依赖用户行为数据和评论数据进行预测，传统的推荐系统依赖于用户的历史行为和广告点击率等数据来进行推荐，然而虚假评论往往通过不真实的情感表述或行为模式来操控推荐算法，导致系统无法有效识别并过滤这些数据，进而导致系统推荐结果的准确性下降。
3、因此，如何降低情感与行为不匹配的虚假评论对推荐系统造成的影响，成为电商推荐系统的重要挑战之一。
技术实现思路
1、有鉴于此，本专利技术提出一种基于虚假评论检测优化的电商推荐方法，以解决上述问题。本专利技术所述的基于虚假评论检测优化的电商推荐方法对数据的处理包括：
2、s1、获取电商平台的用户行为数据、用户评论数据以及用户-商品交互数据；
3、s2、构建情感-行为向量化模型；将用户行为数据与用户评论数据输入...
【技术保护点】
1.一种基于虚假评论检测的电商推荐方法，其特征在于，模型对数据的处理包括：
2.根据权利要求1所述的基于虚假评论检测优化的电商推荐方法，其特征在于，情感-行为向量化模型对用户行为数据与用户评论数据进行处理包括：
3.根据权利要求2所述的基于虚假评论检测优化的电商推荐方法，其特征在于，构建情感编码模块包括：
4.根据权利要求3所述的基于虚假评论检测优化的电商推荐方法，其特征在于，对词序列进行处理包括：使用TF-IDF方法挖掘词序列中的关键词；根据预设定的情感词典识别关键词中的情感词作为候选词。
5.根据权利要求3所述的基于...
【技术特征摘要】
1.一种基于虚假评论检测的电商推荐方法，其特征在于，模型对数据的处理包括：
2.根据权利要求1所述的基于虚假评论检测优化的电商推荐方法，其特征在于，情感-行为向量化模型对用户行为数据与用户评论数据进行处理包括：
3.根据权利要求2所述的基于虚假评论检测优化的电商推荐方法，其特征在于，构建情感编码模块包括：
4.根据权利要求3所述的基于虚假评论检测优化的电商推荐方法，其特征在于，对词序列进行处理包括：使用tf-idf方法挖掘词序列中的关键词；根据预设定的情感词典识别关键词中的情感词作为候选词。
5.根据权利要求3所述的基于虚假评论检测优化的电商推荐方法，其特征在于，采用依存句法识别情感词识别与之匹配的属性词。
6.根据权利...
【专利技术属性】
技术研发人员：段思睿，刘婉婉，王蓉，肖云鹏，李暾，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。