基于意見詞的隱性產(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，電商平臺上每天都會有大量包括購買記錄、產(chǎn)品評論等在內(nèi)的數(shù)據(jù)信息，其中充分分析評論信息以得出用戶對產(chǎn)品的情感傾向，將會給商家以及其他用戶帶來一定的參考價值。但是，僅僅知道用戶的情感傾向，卻無法得知用戶是對產(chǎn)品哪一個特征進行的評論將會導(dǎo)致商家不知如何改進產(chǎn)品、其他用戶無法對比選擇。因此，為了使評論分析更加細粒化，基于意見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，以評論集為研究對象。本文的工作內(nèi)容可概括如下：
　?。?）本文針對現(xiàn)有的提取有效詞的方法只考慮詞頻一個方面，考慮不夠全面的問題，提出了綜合加權(quán)的方法建立意見詞和上下文詞庫。本文提出了一種詞庫建立的算法，該算法綜合考慮了四個影響詞的有效性的方面，并加權(quán)它們的權(quán)值。實驗表明，此方法可以提高意見詞和上下文詞庫建立的準確性。

3、
　　（2）本文針對現(xiàn)有的基于上下文的算法只考慮同一個評論句的上下文具有一定的片面性這個問題，提出了主題-意見詞聯(lián)合模型（JTO），通過在LDA模型中加入上下文層級來得到意見詞在全部評論集中的上下文概率分布。實驗表明，這種方法在隱性產(chǎn)品特征提取的準確性上比現(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)。
　?。?）本文針對評論句中上下文信息不一定可信的問題，提出了考慮上下文權(quán)重的提取方法，以評估上下文信息的可信度，本方法