关键词发现报告.pptVIP

关键词发现方法 ——初步方案 欢迎交流 QQ：2091395524 分析总结 初步方案设计 背景与目标 算法基本原理 背景与目标 在舆情分析中，关键词发现是一个基础性的文本技术，为文本分类、聚类、主题发现、情感分析提供有益的帮助。 结合益普索的项目，以用户对搜狐汽车的评价数据（评价的标题数据）为数据集，用来进行关键词发现方法。具体为用户对汽车外观、动力、空间等的三类（满意、一般和不满意）评价数据。 这样，具体任务变为如下：从用户的评价中抽取出有价值的关键词，主要包括两个方面：一是命名实体，比如“奥迪A4L”，“小4”，“发动机”等；二是评价词（指反应用户情感倾向的词），比如“省油”，“漂亮”，“异响”等。 算法基本原理 算法原理简单来说：就是结合文本的上下文，统计经常出现（设置一定的阈值）的字符串，而这样的字符串往往是词。 奥迪A4L，1500KM了。不错！ 奥迪A4L外形靓丽回头率 奥迪A4L自动挡的车很大气 奥迪A6L2.0自动挡的驾驶室比较大气 假设将共同出现的频次阈值设置为2，则“奥迪A4L”、“自动挡”和“大气”应共同出现，并且满足阈值要求，就会被发现出来。 举例： 算法基本原理 关键词发现算法的过程类似于寻找最大频繁项集的过程。 算法基本原理 首先拆分成单个字符： A B C A B C D A B # 满足阈值，相