網(wǎng)購用戶評(píng)論中隱式評(píng)價(jià)對(duì)象的提取方法研究.pdf

1、在我國電子商務(wù)得到快速發(fā)展的同時(shí)，網(wǎng)購已經(jīng)深入人們?nèi)粘Ｉ睿捎谛畔⒌牟粚?duì)稱性，使得消費(fèi)者難以了解到商品的真實(shí)情況，而在線用戶評(píng)論為用戶的購買決策提供了參考意見，針對(duì)在線評(píng)論的意見挖掘也得到了廣大學(xué)者的青睞。評(píng)價(jià)對(duì)象作為意見挖掘領(lǐng)域的一個(gè)方面，也得到了廣泛的研究，而現(xiàn)有針對(duì)評(píng)價(jià)對(duì)象的研究主要集中在顯式評(píng)價(jià)對(duì)象的研究，很少有學(xué)者將隱式評(píng)價(jià)對(duì)象納入研究的考慮范圍。在研究領(lǐng)域，對(duì)于學(xué)者來說，針對(duì)隱式評(píng)價(jià)對(duì)象的研究能夠提高評(píng)價(jià)對(duì)象研究的準(zhǔn)確率;

2、對(duì)于企業(yè)來說，充分挖掘隱式評(píng)價(jià)對(duì)象，能夠使企業(yè)關(guān)注到隱藏在消費(fèi)者評(píng)論中的意見對(duì)象，更為全面地認(rèn)識(shí)到消費(fèi)者對(duì)產(chǎn)品各個(gè)方面的使用體驗(yàn);對(duì)于消費(fèi)者個(gè)人來說，電子商務(wù)平臺(tái)通過對(duì)隱式評(píng)價(jià)對(duì)象的抽取，使得展示或推薦給用戶的有效評(píng)論更加真實(shí)，消費(fèi)者能夠獲得其他用戶對(duì)商品各方面更加精確的評(píng)論意見?；诖?，本文對(duì)用戶評(píng)論中的隱式評(píng)價(jià)對(duì)象進(jìn)行了挖掘研究，主要工作包括以下幾方面:
　　(1)數(shù)據(jù)預(yù)處理。通過數(shù)據(jù)抓取工具從淘寶網(wǎng)站上抓取用戶評(píng)論的真實(shí)數(shù)據(jù)

3、，然后對(duì)此文本數(shù)據(jù)進(jìn)行分句、分詞、特征選擇、向量表示等處理。針對(duì)初始文本特征詞空間維度較高的問題，采用基于模擬退火的粒子群優(yōu)化算法對(duì)特征集進(jìn)行二次特征提取，從而降低特征詞空間維度。實(shí)驗(yàn)結(jié)果表明，采用該方法后，特征詞空間維度由425維降低到296維，該方法能夠進(jìn)行有效的特征選擇。
　　(2)顯式評(píng)價(jià)句的聚類分析。本文將評(píng)價(jià)句分為顯式評(píng)價(jià)句和隱式評(píng)價(jià)句，并對(duì)顯式評(píng)價(jià)句進(jìn)行文本聚類研究。在用特征詞對(duì)評(píng)價(jià)句進(jìn)行表示后，得到的文本向量空間維

4、度依然很高，因此，本文采用適用于高維數(shù)據(jù)集的FCM聚類算法。針對(duì)FCM算法容易陷入局部最優(yōu)的特點(diǎn)，本文提出了基于模擬退火的FCM改進(jìn)算法，通過對(duì)FCM算法迭代過程的控制，有效避免了算法陷入局部最優(yōu)。通過實(shí)驗(yàn)將顯式評(píng)價(jià)句聚為9類，給每個(gè)類別設(shè)定類別名稱。實(shí)驗(yàn)結(jié)果表明，基于模擬退火的FCM改進(jìn)算法能夠?qū)ξ谋具M(jìn)行合理聚類。
　　(3)隱式評(píng)價(jià)句評(píng)價(jià)對(duì)象提取。在對(duì)顯式評(píng)價(jià)句進(jìn)行文本聚類之后，將同類別評(píng)價(jià)句歸為一個(gè)文檔集。由于評(píng)價(jià)句的評(píng)價(jià)對(duì)