產(chǎn)品評價對象的提取與分析.pdf

1、互聯(lián)網(wǎng)時代的到來，網(wǎng)絡(luò)上產(chǎn)生了大量的產(chǎn)品評價信息，這些產(chǎn)品評價信息不僅能夠為產(chǎn)品的潛在購買者提供有價值的參考信息，而且這些直接來自于產(chǎn)品使用者的反饋信息還能夠幫助產(chǎn)品的生產(chǎn)者更好的了解自己產(chǎn)品的不足、并且加以改進。然而，使用人工的方法處理這海量的產(chǎn)品評價信息是不現(xiàn)實的，產(chǎn)品評價對象的提取與分析技術(shù)為使用機器處理這些信息提供了必要的條件。
　　 產(chǎn)品評價對象的提取與分析的方法主要分為有監(jiān)督的機器學習方法、半監(jiān)督的機器學習算法、無監(jiān)

2、督的機器學習算法。其中半監(jiān)督的機器學習算法由于其兼顧了較高的準確率與較少的標注實體受到了當前主流科研方法的青睞，本文針對半監(jiān)督的機器學習算法Bootstrapping提出了一種新的產(chǎn)品評價對象提取算法MSGA—Bootstrapping，并且在無監(jiān)督的機器學習算法上做出了一點嘗試。
　　 本文提出了一種全新的半監(jiān)督的機器學習算法MSGA—Bootstrapping，該算法只需要給定一個領(lǐng)域內(nèi)非常少量的種子詞與該領(lǐng)域的一部分未標注