In popular applications such as e-commerce sites and social media, users provide online reviews giving personal opinions about a wide array of items, such as products, services and people. These reviews are usually in the form of free text, and represent a rich source of information about the users’ preferences. Among the information elements that can be extracted from reviews, opinions about particular item aspects (i.e., characteristics, attributes or components) have been shown to be effective for user modeling and personalized recommendation. In this paper, we investigate the aspect-based top-N recommendation problem by separately addressing three tasks, namely identifying references to item aspects in user reviews, classifying the sentiment orientation of the opinions about such aspects in the reviews, and exploiting the extracted aspect opinion information to provide enhanced recommendations. Differently to previous work, we integrate and empirically evaluate several state-of-the-art and novel methods for each of the above tasks. We conduct extensive experiments on standard datasets and several domains, analyzing distinct recommendation quality metrics and characteristics of the datasets, domains and extracted aspects. As a result of our investigation, we not only derive conclusions about which combination of methods is most appropriate according to the above issues, but also provide a number of valuable resources for opinion mining and recommendation purposes, such as domain aspect vocabularies and domain-dependent, aspect-level lexicons.

中文翻译：

---

基于从用户评论中提取的项目方面意见的推荐系统比较分析

在电子商务网站和社交媒体等流行应用程序中，用户提供在线评论，对各种项目（如产品、服务和人员）发表个人意见。这些评论通常采用自由文本的形式，代表了有关用户偏好的丰富信息来源。在可以从评论中提取的信息元素中，关于特定项目方面（即特征、属性或组件）的意见已被证明对于用户建模和个性化推荐是有效的。在本文中，我们通过分别解决三个任务来研究基于方面的 top-N 推荐问题，即识别用户评论中对项目方面的引用，对评论中关于这些方面的意见的情感倾向进行分类，并利用提取的方面意见信息来提供增强的推荐。与之前的工作不同，我们针对上述每个任务整合并实证评估了几种最先进的和新颖的方法。我们对标准数据集和多个领域进行了广泛的实验，分析了数据集、领域和提取方面的不同推荐质量指标和特征。作为我们调查的结果，我们不仅根据上述问题得出了关于哪种方法组合最合适的结论，而且还为意见挖掘和推荐目的提供了许多有价值的资源，例如领域方面词汇和领域相关, 方面级词典。我们针对上述每个任务整合并凭经验评估了几种最先进的和新颖的方法。我们对标准数据集和多个领域进行了广泛的实验，分析了数据集、领域和提取方面的不同推荐质量指标和特征。作为我们调查的结果，我们不仅根据上述问题得出了关于哪种方法组合最合适的结论，而且还为意见挖掘和推荐目的提供了许多有价值的资源，例如领域方面词汇和领域相关, 方面级词典。我们针对上述每个任务整合并凭经验评估了几种最先进的和新颖的方法。我们对标准数据集和多个领域进行了广泛的实验，分析了数据集、领域和提取方面的不同推荐质量指标和特征。作为我们调查的结果，我们不仅根据上述问题得出了关于哪种方法组合最合适的结论，而且还为意见挖掘和推荐目的提供了许多有价值的资源，例如领域方面词汇和领域相关, 方面级词典。分析不同的推荐质量指标和数据集、域和提取方面的特征。作为我们调查的结果，我们不仅根据上述问题得出了关于哪种方法组合最合适的结论，而且还为意见挖掘和推荐目的提供了许多有价值的资源，例如领域方面词汇和领域相关, 方面级词典。分析不同的推荐质量指标和数据集、域和提取方面的特征。作为我们调查的结果，我们不仅根据上述问题得出了关于哪种方法组合最合适的结论，而且还为意见挖掘和推荐目的提供了许多有价值的资源，例如领域方面词汇和领域相关, 方面级词典。