面向商品評論的觀點挖掘方法研究.pdf

1、網(wǎng)上購物的選擇多樣性和便捷性使得線上購買成為更多人傾向的一種購物方式。但商品評論存在量大、無結構化、口語化等特點，給商品評論的觀點挖掘帶來了困難。如何從大量商品評論中對產(chǎn)品進行自動化的觀點挖掘是當前研究的一個熱點問題。本文針對細粒度的觀點挖掘進行了研究。
　　首先，為了解決傳統(tǒng)利用關聯(lián)關系提取商品屬性和觀點詞的方法缺少詞之間的語義相關性問題，提出了一個基于句法關系和關聯(lián)關系的商品屬性和觀點詞提取方法。使用依存句法分析，歸納出商品屬

2、性和觀點詞常見的句法關系類型，借助句法關系計算商品屬性候選集和觀點詞候選集之間的度量值，將其與關聯(lián)關系計算得到的商品屬性候選集和觀點詞候選集之間的度量值合并后取優(yōu)，從而提高商品屬性和觀點詞的提取準確度。對比實驗結果表明，顯示商品屬性提取的準確度比基于關聯(lián)關系的提取結果提高了5％，觀點詞的提取準確度提高了3%，并且得到了商品屬性和觀點詞的搭配關系，為后續(xù)的觀點總結帶來便利。
　　其次，為了解決同一用戶在初始評論過后的追加評論中，對原

3、有評論中評價描述的改變等情況，將同一用戶的兩種評論進行分析，提出了一種結合追加評論的情感計算方法。提出的方法通過統(tǒng)計追加評論與初始評論時間間隔分布，定義不同權值，同時對同一用戶追加評論中有無新增商品屬性或對同一商品屬性的情感傾向不同等情況定義相應情感計算規(guī)則，得到該產(chǎn)品每個商品屬性的情感得分。對比實驗結果表明，該方法的情感計算結果與人工得到的商品屬性情感得分求均方誤差后，彼此較接近，該方法可用來預測情感得分。
　　本文以商品評論為