基于评论的推荐系统：方法、挑战与未来展望综述

Emrul Hasan; Mizanur Rahman; Chen Ding; Jimmy Xiangji Huang; Shaina Raza

基于评论的推荐系统：方法、挑战与未来展望综述

信息检索 2025-05-27 v3

作者: Emrul Hasan , Mizanur Rahman , Chen Ding , Jimmy Xiangji Huang , Shaina Raza

摘要

推荐系统在帮助用户导航海量商品和服务选择方面发挥着关键作用。在在线平台上, 用户可以各种模式分享反馈, 包括数值评分、文本评论和赞同/反对。传统的推荐系统依赖用户的显式评分或隐式交互 (如点赞、点击、分享、保存) 以学习用户偏好和项目特征。超越这些数值评分, 文本评论提供了用户细粒度偏好和项目特征的洞察。分析这些评论对于增强个性化推荐结果的性能和可解释性至关重要。近年来, 基于评论的推荐系统已成为该领域的重要子领域。本文提供了近年来该领域发展的综合概述, 强调评论在推荐系统中的重要性, 以及从评论中提取特征并将其集成到评分中的挑战。具体而言, 我们呈现了这些系统的分类, 并总结了最新方法,分析其独特特征、有效性和局限性。最后, 我们提出了未来研究的潜在方向, 包括多模态数据的集成、多标准评分信息以及伦理考虑等。

关键词

推荐系统基于评论的方法特征提取多模态数据伦理考虑

引用

@article{arxiv.2405.05562,
  title  = {Review-based Recommender Systems: A Survey of Approaches, Challenges and Future Perspectives},
  author = {Emrul Hasan and Mizanur Rahman and Chen Ding and Jimmy Xiangji Huang and Shaina Raza},
  journal= {arXiv preprint arXiv:2405.05562},
  year   = {2025}
}

备注

The first two authors contributed equally

基于评论的推荐系统：方法、挑战与未来展望综述

摘要

关键词

引用

备注

相关论文