公园是城市园林绿地的主要组成部分,为人们日常的游览、休闲、娱乐等活动提供了舒适的环境。但由于公园种类繁多,游客在出行选择公园时需要花费较多的时间和精力,因此在推荐算法领域进行公园推荐的研究分析,可以帮助游客更好的选择喜爱的公园。其中,协同过滤算法是实际中最常用的推荐方法,但在协同过滤算法中,通常仅使用用户的评分,而忽视了用户的评论。针对上述问题,本文在协同过滤算法的基础上,使用情感分析、主题抽取两种方法分析在大众点评网上采集到的用户对公园的评论,提出两种不同的基于用户评论的公园推荐算法。(1)提出了一种基于情感分析的公园推荐算法。该算法首先通过用户在公园上的评论语料库提取出用户最关注的公园特征,其次通过用户在公园各个特征上的情感偏好为用户寻找相似用户并进行公园评分预测。最后为了验证算法的性能,在真实的公园数据集上进行了实验,从实验结果中可以看出本文的方法具有较高的准确性,在一定程度上缓解了数据稀疏问题。(2)提出一种基于Latent Dirichlet Allocation(LDA)主题模型的公园推荐算法。该算法首先使用LDA主题模型来提取每个公园的特征分布,并根据公园的特征分布和用户评分来计算用户偏好分布。为了避免用户随意评分,引入用户评分可信度修正用户偏好分布。其次使用修正的Kullback-Leibler(KL)散度即Jensen-Shannon(JS)散度来计算用户之间的相似性,进而预测目标用户对未知公园的评分。最后,在真实的公园数据集上对提出的算法进行实验验证,并与其他的算法进行了对比。