在线评论的产品缺陷识别方法.docVIP

在线评论的产品缺陷识别方法 刘丹 张玉红 闫相斌 哈尔滨工业大学经济与管理学院 X 关注成功！ 加关注后您将方便地在 我的关注中得到本文献的被引频次变化的通知！ 新浪微博 腾讯微博 人人网 开心网 豆瓣网 网易微博 摘????要： 为了从互联网环境下的用户评论中分析企业产品的缺陷, 利用半监督分类中基于分歧的Co-forest算法对用户关于产品的评论进行文本分类, 对Co-forest算法识别出的缺陷评论再基于主题模型BTM算法进行缺陷主题聚类, 得到缺陷主题、主题描述详情及占比。以某品牌的一款畅销除湿机为例, 对京东网站的评论进行相关研究。研究结果表明:Co-forest算法在基于在线评论的缺陷识别分类上相对于以往研究所采用有监督分类以及半监督分类Tri-training方法具有更高的性能。 关键词： 缺陷识别; 在线评论; 半监督分类; 主题聚类; 除湿机; 作者简介：刘丹 (1992-) , 女, 黑龙江省农垦宝泉岭人, 硕士, 研究方向:电子商务与商务智能, E-mail:paluadan@163.com。 收稿日期：2017-09-21 Product defect recognition method for online reviews Liu Dan Zhang Yuhong Yan Xiangbin School of Economics Management, Harbin Institute of Technology; Abstract： This paper describes an effort to analyze the defects of enterprise products from Internet users comments. The analysis involves performing text classification of the product reviews using semi supervised classification algorithm based on user Co-forest differences; providing defect topic clustering of defect review identified by Co-forest algorithm based on BTM algorithm based on topic model in a way that affords the defect theme, topic description details, and the proportion; and conducting related research on the Jingdong website comments using a brand of a best-selling dehumidifier as an example. The results show that the Co-forest algorithm boasts a higher performance than supervised classification and semi supervised classification Tri-training method in terms of defect recognition and classification based on online reviews. Keyword： defect identification; online reviews; semi-supervised classification; topic clustering; dehumidifier; Received： 2017-09-21 0 引言 随着市场经济的疾速兴起, 各企业间竞争与博弈日渐猛烈, 产品品质对于企业的重要性日益分明, 企业想要保持长期稳定的发展, 需要不停地努力提升其产品品质。目前国内外对互联网在线评论识别产品缺陷的研究比较少, 现有的互联网环境下在线评论的产品缺陷识别研究多数是英文语境。对互联网在线评论的文本数据挖掘最核心的内容是选择文本特征, 英文环境下特征研究在中文环境下研究并不适用。国外研究表明:对在线评论的产品缺陷识别研究中基于负面情绪判断产品缺陷具有一些不足, 原因是有的关于产品的负面评论与产品缺陷无关, 只是体现了用户个人的负面情绪[1]。 笔者在考虑互联网具有的独特特征对用户评论产生的影响后, 以之前有学者提出的社交媒体分析框架[2]为基础, 对现有的中文环境下产品缺陷识别模型中有监督学习方法人工标注效率低, 以及