【摘要】：網(wǎng)絡(luò)購物行業(yè)的發(fā)展日益成熟,越來越多的消費者在購物網(wǎng)站發(fā)布評論信息。產(chǎn)品評論反映了消費者對產(chǎn)品的態(tài)度和意見,很有實用價值。一方面,產(chǎn)品評論可以影響其他消費者的購買意向;另一方面,產(chǎn)品評論反饋了產(chǎn)品各方面信息,方便商家提高產(chǎn)品和服務(wù)質(zhì)量。但是,想要短時間內(nèi)從大量的產(chǎn)品評論文本數(shù)據(jù)中得到有意義的信息,是非常困難的。研究中文評論意見挖掘方法,對于提高文本信息提取效率有重要意義。本文主要研究內(nèi)容如下:以在線中文評論為研究對象,首先采用人工的方式,將主觀性評論文本從產(chǎn)品評論中分離出來。然后利用自然語言處理技術(shù),對中文在線評論意見文本進行預(yù)處理。針對已有的意見挖據(jù)工作對中文產(chǎn)品評論信息挖掘的低查全率和低查準率問題,文中提出了一種改進的中文在線評論意見挖掘算法。該方法根據(jù)自然語言表達方式,將評論文本分為四類句式結(jié)構(gòu)。然后基于副詞抽取各類評論文本中的產(chǎn)品意見詞和特征詞。實驗結(jié)果表明,該方法能夠有效提高中文產(chǎn)品評論意見挖掘的查全率和查準率�；凇锻x詞詞林擴展版》將抽取出的產(chǎn)品特征和意見詞中的同義詞合并,再根據(jù)支持度閾值剪枝,得到最終的特征詞和意見詞。實驗表明,該方法提高了同義詞合并的準確性。本文改進的中文產(chǎn)品評論意見挖掘方法,可充分利用自然語言表達特點,實現(xiàn)對中文產(chǎn)品評論特征和意見詞自動抽取。
[Abstract]:With the development of online shopping industry, more and more consumers publish comments on shopping websites. Product reviews reflect consumer attitudes and opinions on products and are of practical value. On the one hand, product review can affect the purchase intention of other consumers; on the other hand, product review feedback the information of all aspects of the product, which is convenient for merchants to improve the quality of products and services. However, it is very difficult to get meaningful information from a large amount of product review text data in a short time. It is important to study the mining method of Chinese comments for improving the efficiency of text information extraction. The main contents of this paper are as follows: firstly, the subjective comment text is separated from the product review by artificial method. Then the text of Chinese online comments is preprocessed by natural language processing technology. In order to solve the problem of low recall and low precision of Chinese product comment information mining, an improved Chinese online comment mining algorithm is proposed in this paper. According to the natural language expression, the commentary text is divided into four types of sentence structure. Then, product comment words and feature words are extracted from all kinds of comments based on adverbs. The experimental results show that this method can effectively improve the recall and precision of Chinese product comment mining. Based on the extended version of synonym forest, the extracted product features are combined with the synonyms in the opinion words, then pruned according to the support threshold, the final feature words and opinion words are obtained. Experiments show that this method improves the accuracy of synonym merging. The improved mining method of comments on Chinese products can make full use of the characteristics of natural language expression and realize the automatic extraction of comment features and words of Chinese products.
【學(xué)位授予單位】：西安科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.1

【參考文獻】

相關(guān)期刊論文 前10條

1 劉紅光;馬雙剛;劉桂鋒;;基于降噪自動編碼器的中文新聞文本分類方法研究[J];現(xiàn)代圖書情報技術(shù);2016年06期

2 歐陽柳波;尹勝臺;;層疊推理機的設(shè)計與實現(xiàn)[J];計算機應(yīng)用與軟件;2014年10期

3 張乃靜;鞠洪波;紀平;;基于本體的林業(yè)領(lǐng)域文檔特征權(quán)重模型[J];計算機工程與應(yīng)用;2013年18期

4 羅寧;徐俊剛;;Web數(shù)據(jù)挖掘在電子商務(wù)中的應(yīng)用[J];電子技術(shù);2012年04期

5 鄭艷紅;張東站;;基于同義詞詞林的文本特征選擇方法[J];廈門大學(xué)學(xué)報(自然科學(xué)版);2012年02期

6 田久樂;趙蔚;;基于同義詞詞林的詞語相似度計算方法[J];吉林大學(xué)學(xué)報(信息科學(xué)版);2010年06期

7 吳思穎;吳揚揚;;基于中文WordNet的中英文詞語相似度計算[J];鄭州大學(xué)學(xué)報(理學(xué)版);2010年02期

8 李曉紅;;中文文本分類中的特征詞抽取方法[J];計算機工程與設(shè)計;2009年17期

9 姚天f ;程希文;徐飛玉;漢思·烏思克爾特;王睿;;文本意見挖掘綜述[J];中文信息學(xué)報;2008年03期

10 姚天f ;婁德成;;漢語語句主題語義傾向分析方法的研究[J];中文信息學(xué)報;2007年05期

相關(guān)會議論文 前1條

1 顏偉;荀恩東;;基于WordNet的英語詞語相似度計算[A];第二屆全國學(xué)生計算語言學(xué)研討會論文集[C];2004年

相關(guān)碩士學(xué)位論文 前4條

1 張宇晨;基于圖結(jié)構(gòu)的多關(guān)鍵字查詢技術(shù)研究[D];南京郵電大學(xué);2016年

2 陳琪;基于意見挖掘的網(wǎng)絡(luò)課程評價研究[D];山東師范大學(xué);2013年

3 金希茜;基于語義相似度的中文文本相似度算法研究[D];浙江工業(yè)大學(xué);2009年

4 陸浩;網(wǎng)絡(luò)輿情監(jiān)測研究與原型實現(xiàn)[D];北京郵電大學(xué);2009年

，

本文編號：2198172