融入隱式產品特征提取的意見挖掘研究.pdf

1、隨著Web2.0和B2C商務模式的快速發(fā)展，商家開始通過網絡推銷自己的商品。分析發(fā)現，在網絡營銷過程中，用戶在網絡上對產品的評論數量在飛速增長。通過分析這些評論提取出其中包含的用戶意見信息，可以讓商家改進產品使之更加符合社會大眾的需求。然而，如果商家通過人工查看的方式來從這些海量的評論中獲得有用的用戶意見信息，這將是一個十分耗時耗力的工作。因此需要一種自動分析挖掘用戶評論信息的方法，即意見挖掘技術。
　　本文將網絡上的中文評論作為

2、研究對象，將意見挖掘分為產品特征詞庫和評價詞庫的自動化建立、產品特征關聯對的提取和情感傾向性分析三個部分。本文工作主要包括如下幾點：
　?。?）在現有分詞結果的基礎上，通過詞組規(guī)則的組合處理來提取候選產品特征和候選評價詞，用以提高產品特征和評價詞的提取準確率。另外，本文還提出了一種產品特征和評價詞雙向循環(huán)過濾方法，來對相應詞庫進行自動化建立，實驗結果表明該方法可以提高產品特征詞庫和評價詞庫建立的準確性。
　?。?）考慮到網絡

3、評論的不規(guī)范和語法錯誤較多等問題，在中文評論中使用句法樹方法進行產品特征關聯的識別，具有一定的局限性，所以本文通過評價詞來識別產品特征關聯對，提出了一種基于上下文的隱式產品特征提取方法，以克服現有的基于評價詞的隱式產品特征提取方法在通用評價詞方面的局限性。實驗表明，本文提出的方法在隱式產品特征提取的準確性上比現有的基于評價詞的隱式產品特征提取方法有更好的表現。
　?。?）在分析統計用戶評價情感傾向性過程中，本文使用情感極性詞典和評