文本挖掘在產(chǎn)品評論中的研究與應(yīng)用_2879.pdf

1、隨著信息技術(shù)的飛速發(fā)展和Internet大規(guī)模的使用，人們的生活方式得到了巨大的改變。越來越多的消費者可以通過網(wǎng)絡(luò)平臺來發(fā)表自己對某種產(chǎn)品的看法，這些評論信息直接或間接的表達了其對各種產(chǎn)品的態(tài)度和情感。如果能夠合理分析并利用這些產(chǎn)品評論信息，就可以給商家、消費者等帶來意想不到的好處，最終促進社會經(jīng)濟的發(fā)展。
　　通過解析網(wǎng)絡(luò)平臺上獲得的評論信息，就可以得到大量半結(jié)構(gòu)化或非結(jié)構(gòu)化的文本。而文本挖掘技術(shù)，正是處理這種大量半結(jié)構(gòu)化或非結(jié)

2、構(gòu)化文本最有效的手段。
　　文本挖掘技術(shù)在處理網(wǎng)絡(luò)產(chǎn)品評論中的最終目的是文本情感分類，就評論文本而言即消費者對于某種產(chǎn)品的褒貶。在文本情感分類的處理過程中，最關(guān)鍵的就是選擇合適的分類方法。本文選擇KNN算法作為分類方法。但是，傳統(tǒng)KNN分類方法存在著計算量大，不均勻密度下分類偏差大的問題。因此，本文設(shè)計了一種新的CPKNN算法。實驗證明，與傳統(tǒng)KNN算法相比，該算法的準確率和效率都明顯提升。
　　本文主要研究工作如下：

3、>　　（1）分析研究了Apple MacBook Air筆記本頁面的DOM樹結(jié)構(gòu)，根據(jù)URL抓取規(guī)則，使用Java爬蟲技術(shù)，采集8萬條評論數(shù)據(jù)。通過文本分詞、去停用詞、特征選擇與特征加權(quán)等步驟，將這些評論數(shù)據(jù)處理為待訓(xùn)練語料。
　?。?）對KNN算法進行改進，提出了改進的CPKNN算法。CPKNN算法會對不均勻的訓(xùn)練樣本進行循環(huán)裁剪，最終使得在測試樣本領(lǐng)域內(nèi)的樣本是相對均勻的，從而提高算法的準確率；其次結(jié)合使用投影尋蹤理論，來獲得