大量网络平台为了吸引更多的用户和提高网站阅读量而进行有目的性的选择评论,然而筛选出来的评论集合信息冗余问题非常严重。因此,为了满足网站和用户的双重需求,选择出与用户偏好最为相似的个性化评论显得尤为重要。最近研究表明,用户在网站浏览和体验中,更关注与自身更相关的评论。针对上述问题,本文提出一种基于挖掘用户个人偏好的个性化选择算法,并将该算法应用于餐馆评论中。本文完成了以下主要工作:(1)通过对文本数据的处理,将利用深度学习中基于注意力机制的关键词提取方法和层次聚类算法进行组合,对用户的历史评论内容进行挖掘,以考虑用户自身的关注度表示用户的偏好。通过该组合进行实验,以向量形式表示用户偏好。(2)定义评论选择问题,除了考虑评论选择的覆盖率(即选择出的评论在评论集合中的占比),还引入了评论的相似性和用户个性化两个选择标准。在此基础上,本文设计了个性化选择算法并解决个性化评论选择的问题,设置覆盖率、相似性和用户个性化为评论选择的标准,然后进行个性化选择,对不同的用户选择出一组K条评论。为了评估算法的优化性能,使用调和平均值对相似性和用户个性化进行评估。(3)将本文的算法应用于在线餐馆评论进行个性化选择。本文从美国的大众点评网站上面获取餐馆的真实且唯一的用户评论数据进行实验,实验结果证明了本文的方法能够为用户进行基于评论的覆盖率高、相似性高和用户个性化高的个性化选择。本文对实验结果从算法的有效性的角度进行验证,说明了算法的效果。实验结果说明对在线评论的个性化选择算法的研究提高了用户生活的便捷性。