商品隐式评价对象提取的方法研究.pdfVIP

114 2015，51(19) ComputerEngineeringandApplications计算机工程与应用 @数据库、数据挖掘、机器学习@ 商品隐式评价对象提取的方法研究 邱云飞 ，倪学峰 ，邵 良杉 QIUYun~i，NIXuefeng，SHAOLiangshan 1．辽宁工程技术大学 软件学院，辽宁 葫芦岛 125100 2．辽宁工程技术大学 系统工程研究所 ，辽宁 葫芦岛 125100 1．SoftwareCollege，LiaoningTechnicalUniversity,Huludao，Liaoning125100，China 2．InstituteofSystems，LiaoningTechnicalUniversity，Huludao，Liaoning125100，China QIUYun~i，NIXuefeng，SHAO Liangshan．Researchonextractingmethodofcommoditiesimplicitopiniontar- gets．ComputerEngineeringandApplications，2015，51(19)：114-118． Abstract：Networkreview isnotclearlypointedoutthatthereview ofopiniontargets，itdidnotexplicitlypointsoutthat theopinionisthepriceofthegoodssuchascomments“thingsarealittleexpensive”．Forthiskindofcomment，anextracting methodofcommoditiesimplicitopiniontargetsshouldbeproposedontextdatasets．Accordingtothesentencestructure ofcommentshorttext，thepaperconsturctisthecandidateopiniontargetmodelandthefeaturewordsinthecandidate opiniontargetisextendedbyusingHowNet2000conceptualdictionarytoalleviatetheproblem inthelackofinformation incandidateopiniontarget．Inordertogetsomeimplicitopinionobjects，itclustersthecandidateopiniontargetsbyusing thesimilaritybetweenthefeaturewordsinthecandidateopiniontargetsbasedonclusteringalgorithm ofk-means．Finally， tomeasuretheabilityofthefeaturewordsinthecandidateopiniontargetsindicatetoimplicitopiniontargetsbyusingx statisticSOastoextracttheimplicitopiniontargetsinthecomments．Theexperimentsshow thatthismethodimprovesthe accuracyofextractingimplicitopiniontargets． Keywords：implicitopiniontargets；featureterm；clustering；clusteringalgorithm ofk—means 摘 要：网络评论 中没有明确指 出评价对象的评论，如评论 “东西有点贵”中并没有明确指出评价的是商品的价格。 针对这种评论，提 出一种在评论丈本数据集上提取商品的隐式评价对象的方法。根据评论短文本的句式结构特点， 构建出候选评价对象模型，并利用HowNet2000概念词典对候选评价对象中的特征词进行扩充，以缓解候选评价对 象中信息缺乏的问题；基于k—means聚类算法利用候选评价对象中特征词之 间的相似度 ，对候选评价对象进行聚 类，得到若干隐式评价对象；利用 统计量来衡量候选评价对象中的特征词对隐式评价对象的指示能力，从而提取 出评论中的隐式评价对象。实验结果表明，该方法提 高了提取隐式评价对象的准确率。 关键词：隐式评价对象；特征词；聚类；k。means聚类算法 文献标志码：A 中图分类号：TN9l1．72 doi：10．