面向電商評論細(xì)粒度觀點(diǎn)挖掘的拓展主題模型研究.pdf

1、隨著互聯(lián)網(wǎng)和電子商務(wù)技術(shù)的發(fā)展，網(wǎng)絡(luò)購物成為一種熱潮，人們可以實(shí)現(xiàn)足不出戶購買到自己心儀的商品。但是，與傳統(tǒng)線下購物相比，網(wǎng)絡(luò)購物有著商品種類繁多、用戶無法直接感受商品的質(zhì)量、體驗(yàn)商品功能等特征，這使得電商網(wǎng)站上的商品評論信息成為消費(fèi)者選擇和購買決策的重要參考。同時(shí)，評論信息作為反饋機(jī)制也可以幫助商家改進(jìn)產(chǎn)品、提升服務(wù)。但是，目前電商網(wǎng)站評論數(shù)據(jù)量巨大、內(nèi)容龐雜，采用人工閱讀方式無法準(zhǔn)確有效的得到有用的信息。而且人們更希望得到的是關(guān)于產(chǎn)

2、品或服務(wù)多個(gè)方面的細(xì)粒度評價(jià)信息，而非其整體情感傾向。因此，針對電商評論的細(xì)粒度觀點(diǎn)挖掘成為了熱門的研究課題，受到國內(nèi)外研究學(xué)者的廣泛關(guān)注。
　　細(xì)粒度觀點(diǎn)挖掘旨在從評論數(shù)據(jù)中抽取出被評價(jià)實(shí)體方面以及相對應(yīng)的情感，生成評價(jià)摘要，為潛在消費(fèi)者和商家提供決策支持?？紤]到目前細(xì)粒度觀點(diǎn)挖掘方法如基于人工定義、基于頻率、基于有監(jiān)督學(xué)習(xí)方法的局限性，而LDA主題模型作為無監(jiān)督方法不僅不需要人工標(biāo)注的訓(xùn)練數(shù)據(jù)，還可以克服上面所述方法中沒有將具

3、有相似語義的特征詞進(jìn)行聚類的缺點(diǎn)，被研究者廣泛應(yīng)用。但是LDA模型抽取的主題粒度較粗，無法識別被評價(jià)實(shí)體方面，而且三層模型無法實(shí)現(xiàn)細(xì)粒度觀點(diǎn)挖掘目標(biāo)，需要進(jìn)行改進(jìn)和拓展。
　　針對上面提到的問題，本文根據(jù)細(xì)粒度觀點(diǎn)挖掘的目標(biāo)，對LDA模型進(jìn)行設(shè)計(jì)和拓展，提出了細(xì)粒度的主題情感混合模型(Fine-grained Topic Sentiment Unification Model, FG-TSU模型)。首先針對標(biāo)準(zhǔn)的LDA模型識別出的

4、主題粒度較粗，本文將主題分為局部主題和全局主題，利用滑動(dòng)窗口的方法將詞共現(xiàn)信息從文檔級降到句子級，實(shí)現(xiàn)細(xì)粒度局部主題的抽取;然后，本文根據(jù)詞分類和在模型中引入指示變量用以區(qū)分方面詞和觀點(diǎn)詞;最后，本文在LDA模型的三層模型基礎(chǔ)上加入了情感層，對主題和情感進(jìn)行同時(shí)建模，實(shí)現(xiàn)情感傾向分析，不僅可以獲得整篇評論的情感極性，還可以獲得被評價(jià)實(shí)體方面層的情感極性，最終完成細(xì)粒度觀點(diǎn)挖掘的目標(biāo)，生成評價(jià)摘要。
　　為了驗(yàn)證本模型具有跨領(lǐng)域性，