中文產(chǎn)品評論的意見挖掘研究.pdf_第1頁
已閱讀1頁，還剩89頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著電子商務(wù)的迅猛發(fā)展,用戶購買和使用產(chǎn)品之后會在Web上發(fā)表對產(chǎn)品的評論,產(chǎn)品評論的自動挖掘?qū)τ谏碳液蜐撛诘南M者有著重要意義。本文以中文產(chǎn)品評論為主要研究對象,從評論的整體褒貶分類和細顆粒的產(chǎn)品意見挖掘兩個層面進行分析研究,論文主要內(nèi)容如下:
　　 采用機器學(xué)習(xí)的方法對產(chǎn)品評論進行整體褒貶分類研究。構(gòu)建用于產(chǎn)品評論褒貶分類的語料庫;采用基于N-Gram文本特征抽取(分為基于詞的unigram,bigram和基于字的unigr

2、am,bigram,trigram),結(jié)合不同的特征權(quán)重計算方法(TF,BOOL,TFIDF),在不同的分類算法(樸素貝葉斯、最大熵和支持向量機)進行分類實驗。實驗表明使用基于字的bigram特征表示并結(jié)合基于詞頻的加權(quán)方法在支持向量機分類器下取得了最好的分類性能,準(zhǔn)確率為94.74％。在特征抽取上,采用基于后綴樹結(jié)構(gòu)的特征提取算法,提取關(guān)鍵子串組作為文本特征。實驗表明基于后綴樹的關(guān)鍵子串組的特征表現(xiàn)能力強而且特征維度低,分類的準(zhǔn)確率略

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論