電子商務領域中文本評論數(shù)據(jù)的專業(yè)度研究.pdf

1、近幾年來，隨著電子商務市場的繁榮發(fā)展，越來越多的人們愿意在網(wǎng)上購買物品并撰寫評論，同時，大多數(shù)消費者在網(wǎng)上購物時都會首先參考用戶評論信息。然而電子商務市場的飛速發(fā)展帶來了評論數(shù)據(jù)的爆炸式增長，如何從海量的文本評論中篩選出有價值的信息，為消費者、商家和平臺服務商提供有用的決策支持，已成為目前電子商務市場迫切需要解決的問題。基于以上背景，本文分析了目前對于商品文本評論的主要研究內(nèi)容和發(fā)展方向，獨特地從“專業(yè)度”角度對商品文本評論的價值進行評

2、估，具有重要意義。
　　本文首先對目前電子商務領域中文文本評論的研究和應用情況進行了分析，同時總結了中文文本處理的相關技術，并從信息檢索和本體思想得到啟發(fā)，提出了一種基于專業(yè)度概念層次樹的中文文本評論專業(yè)度計算模型。
　　本文以2012年某B2C電子商務網(wǎng)站全年的交易數(shù)據(jù)為基礎，首先設計并實現(xiàn)了基于基尼指數(shù)和商品類別的特征層次分類算法(GiniCategoryFeatureHierarchyAlgorithm,簡稱GCF)，

3、并據(jù)此構建文本評論的專業(yè)度概念層次樹(ProfessionalConceptHierarchyTree,簡稱PCH-Tree)。GCF算法借鑒基于改進的基尼指數(shù)的文本特征選擇方法和層次分類思想，計算每個根據(jù)特定句法規(guī)則提取出的專業(yè)度概念的特征值，通過一定的閾值選擇策略為每個專業(yè)度概念標注商品類別。實驗發(fā)現(xiàn)，本文提出的GCF特征層次分類算法的類別特征選取精確度較高。
　　在構建了PCH-Tree的基礎上，本文分別從評論的廣度、深度和

4、強度三個方面考慮，提出了三個商品文本評論的專業(yè)度因子：商品評論的有效長度、基于PCH-Tree的評論深度范圍以及評論內(nèi)聚度，并據(jù)此提出了一種商品文本評論專業(yè)度的計算模型(ProfessionalCalculationModelofCommodityTextReview,簡稱RPC-Model)，該模型主要以樹節(jié)點深度和節(jié)點之間的距離為主要計算因子，同時融入了評論的有效長度，較全面地反映了評論的專業(yè)度。
　　本文以2012年某B2C

5、電子商務網(wǎng)站的18,415,146條評論數(shù)據(jù)和對應的115個商品類別作為實驗數(shù)據(jù)集，通過調(diào)查網(wǎng)站收集近100人對文本評論專業(yè)度的評分數(shù)據(jù)作為驗證數(shù)據(jù)集進行實驗，同時將RPC-Model與長度模型和多種分類預測模型的實驗結果進行比較。實驗結果表明，本文提出的RPC-Model在計算商品文本評論專業(yè)度分數(shù)的準確率上略好于長度模型和分類預測模型，是可行有效的。最后，本文實現(xiàn)了仿真平臺，包括文本評論專業(yè)度計算和類別PCH-Tree的維護兩個模塊