在線評論中的產(chǎn)品屬性提取及有用性識別研究.pdf

1、隨著近些年，互聯(lián)網(wǎng)向著網(wǎng)站與用戶之間雙向互動的Web2.0時代高速發(fā)展，在線評論這種非結(jié)構(gòu)化文本數(shù)據(jù)迎來了爆發(fā)性的增長。這些數(shù)據(jù)中包含了大量的有用信息，是影響用戶決策的重要影響因素之一，也是廠商家制定產(chǎn)品的研發(fā)和改進(jìn)策略的主要依據(jù)。然而，由于在線評論數(shù)據(jù)量巨大，并且消費者往往具有不同的關(guān)注點與喜好，如何篩選出質(zhì)量較高的在線評，并從在線評論中提取關(guān)于產(chǎn)品各方面屬性的相關(guān)評價信息，就顯得格外重要。
　　為了可以從在線評論中找到用戶關(guān)注

2、的產(chǎn)品信息，本文提出了一種基于互自擴(kuò)展模式的產(chǎn)品屬性提取算法。算法的核心思想是通過計算機(jī)自我學(xué)習(xí)，增量迭代達(dá)到理想效果。同時結(jié)合FP-Growth算法對該模式進(jìn)行改進(jìn)，使其不但可以無需人工標(biāo)注種子庫，從而避免算法結(jié)果的不確定性，而且可以提高自擴(kuò)展模式中增量迭代的速度，獲得更好的擴(kuò)展效果。為了降低自擴(kuò)展模式下主題偏移的情況發(fā)生，又給出了一種提取詞、提取模式置信度的求解方法。為了克服中文分詞、詞性標(biāo)注中出現(xiàn)錯誤，提出了相似提取模式和復(fù)合提取

3、詞的概念并給出了其挖掘方法，該方法能夠在犧牲較少準(zhǔn)確率的情況下，較好的提高召回率。最后實驗顯示算法對中文在線評論中產(chǎn)品屬性的提取效果，平均準(zhǔn)確率為78.50％，平均召回率為79.81％，平均F-score為78.97％，取得了較好的提取效果。對英文評論中的產(chǎn)品屬性提取效果，準(zhǔn)確率為80.22％，召回率為72.28％，F(xiàn)-score為76.04％，相比較于文獻(xiàn)中其它同類研究，在準(zhǔn)確率上獲得了較大的提升。
　　基于上文所提到的產(chǎn)品屬性

4、提取算法而建立的產(chǎn)品屬性數(shù)據(jù)庫，考慮到通常用戶在閱讀在線評論時，都對評論內(nèi)容所包含的屬性存在一個心理預(yù)期，不同產(chǎn)品、甚至相同產(chǎn)品不同品牌之間，這些預(yù)期都是不同的。如果評論可以滿足用戶預(yù)期，將會對用戶認(rèn)為評論是否有用產(chǎn)生重要影響?；谝陨峡紤]，通過將在線評論有用性判別問題轉(zhuǎn)化為文本分類問題，采用SVM支持向量機(jī)方法，利用開元的LibSVM軟件實現(xiàn)文本分類器，結(jié)合其他學(xué)者的研究成果，提出九種特征值，實現(xiàn)了對評論有用性的機(jī)器識別。實驗表明，對