基于意見(jiàn)詞的隱性產(chǎn)品特征提取方法研究及應(yīng)用.pdf

1、目前，電子商務(wù)發(fā)展日益迅速，電商平臺(tái)上每天都會(huì)有大量包括購(gòu)買(mǎi)記錄、產(chǎn)品評(píng)論等在內(nèi)的數(shù)據(jù)信息，其中充分分析評(píng)論信息以得出用戶(hù)對(duì)產(chǎn)品的情感傾向，將會(huì)給商家以及其他用戶(hù)帶來(lái)一定的參考價(jià)值。但是，僅僅知道用戶(hù)的情感傾向，卻無(wú)法得知用戶(hù)是對(duì)產(chǎn)品哪一個(gè)特征進(jìn)行的評(píng)論將會(huì)導(dǎo)致商家不知如何改進(jìn)產(chǎn)品、其他用戶(hù)無(wú)法對(duì)比選擇。因此，為了使評(píng)論分析更加細(xì)粒化，基于意見(jiàn)詞的特征挖掘研究是很有必要的。產(chǎn)品特征可分為顯性產(chǎn)品特征和隱性產(chǎn)品特征，目前，大多數(shù)研究都關(guān)注

2、顯性產(chǎn)品特征的提取，而隱性產(chǎn)品特征的提取研究關(guān)注度較少。
　　基于以上背景，本文以隱性產(chǎn)品特征提取為研究目標(biāo)，以評(píng)論集為研究對(duì)象。本文的工作內(nèi)容可概括如下：
　?。?）本文針對(duì)現(xiàn)有的提取有效詞的方法只考慮詞頻一個(gè)方面，考慮不夠全面的問(wèn)題，提出了綜合加權(quán)的方法建立意見(jiàn)詞和上下文詞庫(kù)。本文提出了一種詞庫(kù)建立的算法，該算法綜合考慮了四個(gè)影響詞的有效性的方面，并加權(quán)它們的權(quán)值。實(shí)驗(yàn)表明，此方法可以提高意見(jiàn)詞和上下文詞庫(kù)建立的準(zhǔn)確性。

3、
　?。?）本文針對(duì)現(xiàn)有的基于上下文的算法只考慮同一個(gè)評(píng)論句的上下文具有一定的片面性這個(gè)問(wèn)題，提出了主題-意見(jiàn)詞聯(lián)合模型（JTO），通過(guò)在LDA模型中加入上下文層級(jí)來(lái)得到意見(jiàn)詞在全部評(píng)論集中的上下文概率分布。實(shí)驗(yàn)表明，這種方法在隱性產(chǎn)品特征提取的準(zhǔn)確性上比現(xiàn)有的基于上下文的隱性產(chǎn)品特征提取方法有更好的表現(xiàn)。
　?。?）本文針對(duì)評(píng)論句中上下文信息不一定可信的問(wèn)題，提出了考慮上下文權(quán)重的提取方法，以評(píng)估上下文信息的可信度，本方法