面向產(chǎn)品評論的垃圾評論識別方法研究.pdf

1、近年來，隨著因特網(wǎng)的快速發(fā)展，人們發(fā)表觀點(diǎn)以及相互交流的方式也發(fā)生了改變。在產(chǎn)品評論領(lǐng)域，人們越來越喜歡在購物網(wǎng)站上發(fā)表自己對產(chǎn)品所持有的觀點(diǎn)。這些由用戶發(fā)表的觀點(diǎn)中包含著豐富的有用的信息。同時(shí)，在這些觀點(diǎn)中也充斥著一些無用的、不真實(shí)的垃圾信息。這些垃圾信息的存在影響了產(chǎn)品評論挖掘的質(zhì)量。
　　本文面向中文產(chǎn)品評論領(lǐng)域，對垃圾評論識別進(jìn)行了研究，主要工作如下：
　　首先，通過對中文產(chǎn)品評論領(lǐng)域的垃圾評論進(jìn)行分析，將垃圾評論分

2、成無用評論和不真實(shí)評論兩大類別，并根據(jù)其特點(diǎn)的不同，提出了不同的識別方法。
　　針對無用評論的識別，將其看成是二元分類問題。使用產(chǎn)品特征詞、對非產(chǎn)品信息評價(jià)語句、問句以及超鏈接4個(gè)重要的分類特征，同時(shí)又結(jié)合信息增益方法自動(dòng)抽取出一部分特征來共同表示評論文本。最后由這些特征構(gòu)成的特征值將評論文本向量化，再采用基于Logistic回歸的分類方法將評論文本分為正常評論和無用評論兩大類來完成對無用評論的識別。
　　針對不真實(shí)評論的識