Reputation based online product recommendations

Les données cruciales, à savoir les aspects des produits et les opinions, sont extraites des critiques de produits en ligne. Les avis obtenus sont ensuite analysés pour des orientations. Ces orientations qui sont positives, négatives ou neutres sont comptés pour déterminer le sentiment de l'aspect. Les sentiments sont souvent tournés (hausse ou chute imprévue) et à cause de cela, la qualité des produits recommandés par le système de recommandation est moindre. Le but de cette étude est d'évaluer l'importance de la réputation des aspects dans les recommandations de produits fondés sur la similarité. Un modèle de simulation a été établi à travers l'analyse des critiques de produits afin de classer les aspects et d'identifier les aspects les plus fréquents parmi eux. Le raisonnement fondé sur le cas du produit recherché contre les produits similaires disponibles de la catégorie est finalement comparé sur la base de la réputation des aspects. Cette comparaison fournit la liste des produits réputés classés dans l'ordre décroissant de similitude indiqué dans les recommandations. Cette étude a révélé que la mesure de rappel calculée sur la base des recommandations basées sur la réputation est meilleure que les recommandations basées sur le sentiment. Les résultats de cette recherche sont prometteurs en termes de recommandations de produits utilisant la réputation. Crucial data namely product aspects and opinions are extracted from online product reviews. The obtained opinions are further analyzed for orientations. These orientations that are positive, negative or neutral are counted to determine the sentiment of the aspect. The sentiments are often turned (unforeseen rise or fall) and due to this the quality of recommended products by the recommendation system is less. The purpose of this study is to assess the importance of aspects reputations in the similarity based product recommendations. A simulation model was established through the analysis of product reviews for ranking the aspects and identifying the frequent aspects among them. The case based reasoning of the searched product against the available similar products from the category are finally compared on the basis of aspect reputations. This comparison provides the list of sorted reputed products in the decreasing order of similarity as recommendations. Through this study, it was found that the recall measure calculated on the reputation based recommendations is better than sentiment based recommendati