在線評(píng)論的產(chǎn)品屬性提取與情感分析研究.pdf

1、隨著電子商務(wù)的井噴式發(fā)展,網(wǎng)絡(luò)購(gòu)物正在被越來(lái)越多的人接受和使用,隨之而來(lái)的是信息量的爆炸式增長(zhǎng)。研究顯示,64.4％的電子商務(wù)網(wǎng)站消費(fèi)者會(huì)將已購(gòu)買者對(duì)于產(chǎn)品的評(píng)論作為他們?cè)陔娮由虅?wù)網(wǎng)站作出購(gòu)買決策的參考信息來(lái)源。意見挖掘技術(shù)可以幫助潛在購(gòu)買者、經(jīng)銷商和產(chǎn)品生產(chǎn)者從這些散布在網(wǎng)頁(yè)中的海量產(chǎn)品評(píng)論中獲取有效信息。
　　本文基于意見挖掘框架,對(duì)產(chǎn)品屬性提取、意見挖掘在電子商務(wù)推薦系統(tǒng)中的應(yīng)用作了研究和探索。首先,本文在評(píng)論要素中增加了時(shí)

2、間維度的抽取,并建立了層次化產(chǎn)品屬性集,提出了基于JWNL(Java WordNet Library)庫(kù)的pos標(biāo)注、情感詞表擴(kuò)展算法。其次,將候選產(chǎn)品屬性詞周邊的詞語(yǔ)、產(chǎn)品屬性詞周邊詞的詞性、候選產(chǎn)品屬性詞和匹配意見詞的位置關(guān)系等產(chǎn)品屬性詞的上下文語(yǔ)法特征納入考慮范圍,以此來(lái)幫助判別顯性產(chǎn)品屬性詞,并運(yùn)用最大熵模型進(jìn)行訓(xùn)練,使得產(chǎn)品屬性提取達(dá)到比較好的效果。最后,以Amazon電子商務(wù)網(wǎng)站的四款數(shù)碼相機(jī)產(chǎn)品為例,我們對(duì)不同粒度的產(chǎn)品屬

3、性的情感分值進(jìn)行了計(jì)算,將基于層次化產(chǎn)品屬性集合的意見挖掘的評(píng)分結(jié)果應(yīng)用于電子商務(wù)推薦系統(tǒng),提出了基于產(chǎn)品屬性情感評(píng)分的不同產(chǎn)品優(yōu)劣勢(shì)比較,并使用PowerBuilder編程工具對(duì)部分推薦形式進(jìn)行了展示。我們結(jié)合消費(fèi)者心理學(xué)知識(shí)、產(chǎn)品生命周期理論和產(chǎn)品市場(chǎng)擴(kuò)散理論對(duì)情感評(píng)分和產(chǎn)品屬性熱度隨時(shí)間變化的原因進(jìn)行了分析和解釋。本文的創(chuàng)新成果體現(xiàn)在提出了基于JWNL庫(kù)的情感詞表擴(kuò)展算法,在產(chǎn)品屬性提取中考慮了候選產(chǎn)品屬性的上下文特點(diǎn),提出了意見