基于复杂网络构建面向主题在线评论挖掘模型.docVIP

基于复杂网络构建面向主题在线评论挖掘模型 　　摘要：以在线评论内容为节点，内容间的语义相似度为链接的权重，结合复杂网络思想，构建在线评论网络，该网络的可行性也通过网络的全局统计数据得到了论证。在评论网络的“社区结构特性”的基础上划分面向主题的网络社区；基于传统复杂网络节点重要性评价方法的同时，结合社区属性，构建重要评论的多属性决策方法。并通过仿真实验验证了该模型在全局以及局部网络的可行性与准确性。 　　关键词：在线评论；复杂网络；网络社区；语义相似度 　　DOI：10.13956/j.ss.1001-8409.2015.10.25 　　中图分类号：F713；TP311文献标识码：A 文章编号：1001-8409（2015）10-0115-05 　　Abstract：Based on complex network theory， this paper constructed online reviews network through regarding reviews content as the network nodes and the semantic similarity between reviews as the weights of link. The feasibility of network was demonstrated by the analysis of the global statistics. This paper demonstrated the rationality of the network through the analysis of the global statistics of reviews network. And it divided the reviews network community of subjectoriented according to the “community structure features” of reviews network. Based on the traditional node importance evaluation methods of complex network in combination with community attribute， it built a multipleattribute decisionmaking method of important reviews. And through the simulation experiments， it verified the feasibility and accuracy of the model. 　　Key words：online reviews； complex networks； network community； semantic similarity 　　据CNNIC关于网络购物中消费者的相关行为研究发现，43%的消费者将在线评论作为网络购买决策的重要依据[1]。而且在线评论也可以作为反馈信息，帮助生产商和网络销售商改进产品以及服务，从而获得优势。 　　但是面对海量评论，消费者无法快速辨别和利用有价值的信息来作出正确的决策。因此针对在线评论挖掘的研究被学者们所关注，Popescuam等将在线评论挖掘细分为4个子任务：特征抽取、观点抽取、极性判断、结果汇总[2]。而关于在线评论的有用性影响因素的研究[3]，大多数基于特定的易于获取的评论数据源，如亚马逊商城数据[4]等。 　　传统在线评论的有用性研究中，评论数据源获取缺乏普遍性，并没有充分挖掘网络世界中海量的相关主题的在线评论，导致研究方法缺乏适用性，并且针对在线评论的有用性研究只是对评论进行有用或无用的划分，评论数据源并没有实质性的缩减，而且有用的评论间也有可能存在不同的观点，这时确定谁的观点更重要就尤为关键。本文依据相关主题在线评论在内容上具有的“普遍联系”、“语义内聚”的特点，将在线评论数据源看做以特定方式相联系的一种网络拓扑形态，并引入复杂网络思想[5]，将在线评论中的每条评论设定为复杂网络中的一个节点，利用评论节点间的语义相似度确定节点的链接关系，构建基于复杂网络的评论网络模型。 　　1在线评论网络模型分析 　　面对海量的在线评论，帮助消费者快速识别评论内容的重要性是评论网络模型的关键功能，而若要从海量、存在大量噪声的评论数据中提取出合适的数据源，不能单独以评论文本内容的长度以及深度作为判断标准。就评论节点个体而言，节点的内容是随机的，但评论节点组成的网络呈现出的“语义内聚”与“普遍联系”的特点恰好与复杂网络的“无标度特性”、“小世界效应”