基于潜在特征的汽车评论要素挖掘.docVIP

基于潜在特征的汽车评论要素挖掘 　　摘要：互联网的迅速发展带来了网络中评论数据的大量增长，分析这些非结构化的文本数据的潜在价值对于整车企业在生产、营销、售后等环节具有重要的指导意义。汽车垂直网站内的评论数据海量且复杂，本文提出一种基于潜在特征的评论要素挖掘模型，对文本数据进行细粒度的挖掘，识别出文本的评论要素，即评价对象与评价词。在汽车之家评论语料进行的实验表明，本模型的预测准确率达到81%，具有良好的分类效果。 　　关键词：文本挖掘；评论要素；序列标注；潜在特征 　　中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2016）33-0247-04 　　Abstract： The rapid development of the Internet has brought a lot of data growth in the network. The potential value of unstructured text data is of great significance to the production， marketing and after-sales. This paper presents a mining model of automobile reviews based on latent feature， which makes text data mining fine， and discerns the commenting essentials of text， namely review object and review word. The results of the experiments show that the prediction accuracy of this model is 81%， with good classification results. 　　Keywords： text mining， commenting essentials， sequence annotation， latent feature 　　1引言 　　?S着互联网和信息行业的发展，数据已经渗透到当今每个行业和业务职能领域，成为重要的生产因素，与此同时，汽车行业作为已有百年历史的传统产业，也在“互联网+”的时代趋势下进行着新一轮的产业革新。本文将对网络采集的汽车评论数据，利用文本挖掘技术进行分析。 　　当前，各汽车垂直网站中的评论数据多为文本数据，数据量大，结构复杂，并且包涵了众多无效信息。事实上，对于汽车评价数据的不同维度，人们更多关注其中真正有价值的部分，即一段评论的评论要素。现有的汽车评论要素识别方法考虑的特征有限，本文通过将评论要素挖掘建模为序列标注问题，综合考虑多个特征，提出基于潜在特征的挖掘模型识别评论要素。 　　2相关工作 　　2.1 评论要素概述 　　评论要素包括评价对象与评价词，评价对象是每一评论文本中的主题，评价词为评价对象所对应的描述。如在汽车的评论数据中，有：“外观沉稳大气，空间够宽敞，价格刚好在接受范围之内。” 　　该评论共有三个分句，主题分别为“外观”、“空间”、“价格”，即可作为该评论的三个评价对象，评价对象能够与各自对应的评价词构成、、的的二元组。本文的目标是提出一种基于潜在特征的模型，挖掘文本评论数据中的评论要素。 　　2.2 评论要素识别方法 　　2.2.1 基于规则的评论要素识别方法 　　在研究初期，评论要素的抽取主要是基于规则的方法，这些规则的制定通常需要借助包括中文分词、词性标注、命名实体识别、依存句法分析、语义角色标注在内的自然语言处理技术。 　　Hu和Liu[1]标注待分析文本中的名词，通过Apriori算法发现其中词频较高的为评价对象，再确定评价对象临近的形容词为其评价词。 　　Popescu和Etzioni[2]对算法进行了进一步地优化，通过定义句式结构标识词来计算名词短语与这些标识词间的互信息（PMI），PMI可以表示词间的共现关系，PMI较小则词间共现次数较低，即该名词短语为评价对象的可能性较低，过滤这些非评价对象的名词在一定程度上可以提升算法的准确度。 　　Blair-Goldensohn等[3]考虑了文本中频繁出现的名词短语，对文本的不同语句标以不同权重，统计这些名词短语的出现频率并对其进行权重排序，仅抽取权重较高的部分作为评价对象。 　　Scaffidi等[4]通过比较名词短语在待分析文本中出现的频率与在普通语料库出现的频率，识别真正有意义的评价对象。 　　基于规则的方法本质在于计算频率，虽然较为简单，但可以有效地识别出频繁细粒度评论要素；然而该方法过于依赖规则，具有一定的