一、基本信息
论文题目：《Recommender systems based on user reviews:the state of the art》
发表时间： User Modeling and User-Adapted Interaction, 2015, 25(2):99-154.
论文作者及单位：Chen Li(Hong Kong Baptist University) , Chen Guanliang (南方科技大学）, Wang Feng(Hong Kong Baptist University)
论文地址：https://link.springer.com/article/10.1007%2Fs11257-015-9155-5
我的评分：5颗星
二、摘要
近年来有许多基于评论的推荐系统被建立，旨在将用户产生的有价值的评论信息加进用户模型和推荐步骤。最先进的文本分析和观点挖掘技术能够从各种类型的评论中抽取出有用的信息，比如谈论的话题、多层面的观点、上下文信息、综合性意见、评论者的情绪等。这篇文章综述了评论元素是如何被用来提高基于内容推荐、协同过滤推荐、基于偏好的产品评分技术的，这种方法能够缓解数据稀疏和冷启动问题也是本文的重点。这篇综述将前沿研究划分为两个分支，一个分支是review-based user profile building，另一个分支是review-based product profile building。在第一个分支中，评论信息不仅用来建立term-based profiles，也用来推断或增强评分信息，多层面的观点还可以被用来获得用户对某种特征的偏好权值。在另一分支中，产品画像能够通过观点特征或者综合性观点来变得更加丰富，这样可以更好地反应它的评估质量。两个分支的工作都通过算法的发展和对算法的评估两个视角来进行讨论，此外，这篇文章还讨论了基于这篇综述内容的一些将来的趋势。
三、论文的工作与主要内容
1、分析了过去的基于评分等推荐方法的不足，并阐述了利用用户评论的优点。优点主要有三点
- 评论信息能够提供额外的关于用户偏好的信息，可以帮助解决大量数据稀疏问题
- 能够有助于解决新用户的冷启动问题。新用户分为两种，一种是对某物品只有有限的记录，这种新用户可以根据根据他的评论信息进行建模来预测偏好，进而预测他对物品的评分；另一种是系统的新用户，他的偏好会在使用推荐系统的过程中被发现，因此此时我们主要聚焦于根据评论来帮助他complete the preference以及丰富产品的画像。一个典型的关于产品画像的例子是，从评论中提取出的综合性观点可以用来做产品间的对比，以此来增强排名的质量。
- 当数据不稀疏的时候，评论信息可以用来评估评分的质量（根据评论的有效性），或者获得用户隐藏的偏好。
2、介绍了三种传统的推荐途径，分别是基于内容途径（例如衡量文本相似性）、基于评分途径（例如矩阵分解）、基于偏好的产品排名
3、评论中含有的有价值的信息
- 频繁出现的词
- 评论聚焦的主题（例如对于一家餐厅可以使服务、环境等）
- 综合观点
- 在特定方面的观点
- 上下文观点（例如一个相机在晚上拍照效果不好，“在晚上”便是上下文观点）
- 比较性的观点
- 评论的情感倾向（积极或消极）
- 评论的有效性（由看到评论的其他消费者投票决定）
4、基于评论的用户画像建立方法(主要是在原方法基础上引入上面评论中有价值的信息）
5、基于评论的产品画像建立方法(主要是在原方法基础上引入上面评论中有价值的信息）
6、将评论信息引入后的实际意义
- 部分缓解数据稀疏问题
- 缓解New users问题
- 改进提高现有的推荐算法
- 建立用户画像和产品画像
- 根据产品类型的不同引入评论中的不同信息可以提高推荐效果，文中将产品分为三类：frequently experienced products,infrequently experienced products,context sensitive products
7、将来的趋势
- 将不同的评论元素结合起来
- 将评论引入其他类型的推荐系统
- 提高评估方法
- 生成基于评论的解释
四、总结
评论信息比评分信息含有更多的内容也具有更高的价值，将评论信息引入推荐系统当中对提高推荐的效果确实具有十分重要的意义。