顧客評(píng)論信息抽取算法的研究.pdf

1、隨著網(wǎng)絡(luò)貿(mào)易的迅猛發(fā)展,為了增強(qiáng)顧客滿意度,分享顧客的購(gòu)物經(jīng)歷,網(wǎng)上商家讓顧客對(duì)已購(gòu)商品表達(dá)意見或建議已成為一件很普遍的事情了。因此,購(gòu)物網(wǎng)站用戶評(píng)論區(qū)域的評(píng)論數(shù)量迅速增加,一些暢銷產(chǎn)品在一些大的購(gòu)物站點(diǎn)能達(dá)到數(shù)百之多的用戶評(píng)論。然而,大量的顧客評(píng)論讓產(chǎn)品制造商或潛在購(gòu)買者很難跟蹤已購(gòu)產(chǎn)品用戶對(duì)產(chǎn)品的意見和建議,這就給他們的決策造成了額外的困難。一個(gè)新的研究領(lǐng)域――以產(chǎn)品特征詞為基礎(chǔ)的顧客評(píng)論信息抽取研究就在這種背景下產(chǎn)生了。目前,越來(lái)

2、越多的研究者投身其中,M.Hu與B.Liu在2004年發(fā)表的顧客評(píng)論信息抽取是最早且最完整的文獻(xiàn)之一。本文首先介紹了以產(chǎn)品特征詞為基礎(chǔ)的顧客評(píng)論信息抽取的研究背景及國(guó)內(nèi)外研究現(xiàn)狀,詳細(xì)闡述了研究目的及意義,對(duì)目前網(wǎng)絡(luò)貿(mào)易平臺(tái)功能模塊進(jìn)行了詳細(xì)介紹,指出它的不足,提出將用戶評(píng)論信息抽取模塊應(yīng)用到網(wǎng)絡(luò)貿(mào)易平臺(tái)中。并對(duì)本文用到的相關(guān)知識(shí)進(jìn)行了研究。然后研究了M.Hu,B.Liu的用戶評(píng)論抽取算法,對(duì)基于支持度算法的產(chǎn)品特征詞抽取技術(shù)和利用Wo

3、rdNet識(shí)別輿論詞語(yǔ)義取向技術(shù)進(jìn)行了詳細(xì)研究,分析了Hu,Liu的用戶評(píng)論抽取算法的局限性。在對(duì)已有算法的局限性進(jìn)行分析之后,提出基于貝努利模型的算法對(duì)產(chǎn)品特征詞進(jìn)行抽取,詳細(xì)闡述了利用概率統(tǒng)計(jì)知識(shí)對(duì)用戶評(píng)論涉及到的產(chǎn)品特征詞進(jìn)行抽取的過(guò)程。并與基于支持度算法對(duì)產(chǎn)品特征詞抽取進(jìn)行比較,實(shí)驗(yàn)證明,該算法能夠讓終端用戶在搜尋產(chǎn)品時(shí),感到簡(jiǎn)短有效的特征詞列表對(duì)尋找產(chǎn)品真正起到了導(dǎo)航作用。此外,本文還提出使用松弛標(biāo)記法對(duì)用戶評(píng)論的產(chǎn)品特征詞的

4、輿論短語(yǔ)進(jìn)行語(yǔ)義標(biāo)識(shí),利用對(duì)潛在的輿論詞的標(biāo)記進(jìn)行識(shí)別輿論短語(yǔ)。在實(shí)驗(yàn)中,使用召回率和精確率兩種評(píng)價(jià)指標(biāo)對(duì)本文算法與利用WordNet識(shí)別輿論詞語(yǔ)義取向技術(shù)進(jìn)行了評(píng)價(jià),且進(jìn)行了實(shí)驗(yàn)結(jié)果分析。在輿論短語(yǔ)語(yǔ)義標(biāo)識(shí)實(shí)驗(yàn)中,由于本文的算法能夠處理敏感內(nèi)容輿論詞,本文算法的精確度比利用WordNet識(shí)別輿論詞語(yǔ)義取向的算法高了0.03。但是由于本文算法不能識(shí)別WordNet上沒(méi)有出現(xiàn)的單詞,或?qū)ordNet沒(méi)有足夠的單詞分類信息,本文算法的召回