网络评论挖掘关键技术和方法研究概述.docVIP

网络评论挖掘关键技术和方法研究概述 　　摘 要：电子商务的发展开辟了一条新的购物途径，越来越多的商品在电子商务平台出售，为了增强用户购物体验，电子商务平台为客户提供了评论平台。随着客户的增加，评论信息数量迅猛增长，并且评论信息具有很大的主观随意性，这给潜在用户群获取信息带来很大的困难。针对这一情况，网络评论挖掘技术应运而生，近年来已经成为计算机科学、管理学、经济学等领域的研究热点。本文简要从特征提取和情感分类两个方面论述当前网络评论挖掘的关键技术与方法。 　　关键词：网络评论挖掘；特征提取；情感分类 　　中图分类号：TP391.1 　　随着电子商务的蓬勃发展，越来越多的商品在电子商务平台上销售，为了提高客户购物体验，平台为客户提供了商品评论功能。客户通过浏览大量的网络评论来了解产品和服务的口碑，帮助做出可靠的决策。同时客户评论作为反馈机制也帮助了生产商、销售商提升产品质量，改进服务水平，从而提高竞争力。但是评论数量的飞速增长，使得信息越来越庞杂，造成了评论中的有用信息难以获取的后果。因此，迫切需要借助一定的技术手段来使这一过程变得更为快捷和准确。 　　1 网络评论挖掘框架 　　网络评论挖掘作为非结构化信息挖掘的一个新兴领域，主要涉及情感分析、评论中产品特征挖掘，以及评论中主观内容识别等[1][2]。与传统文本挖掘的区别[3]，首先，网络评挖掘的结果是一个结构化的评论摘要；其次，网络评论挖掘只关注用户表达了积极或者消极观点的特征；最后，传统文本挖掘是通过摘取或者重写原文本的部分子句来得到文本摘要。 　　评论文本是一种非结构化的短文本、包含许多零散冗余的信息，一些传统的文本挖掘方法不适用于评论文本中的观点挖掘。Popescu等人[4]将网络评论挖掘问题分为几个子任务：（1）挖掘重要产品特征；（2）挖掘用户对于产品特征的主观观点；（3）判断评论观点的情感导向；（4）根据观点的重要性进行排名。 　　2 评论特征挖掘 　　评论特征挖掘是指从大量评论中自动获取备受关注的重要评论特征。评论特征包括，产品特征，例如手机类商品的外观、系统、性价比等，还包括商家的服务质量以及物流速度等。针对这一任务研究人员提出了很多方法，而非直接通过人工定义的方式来规定评论特征，其必要性主要包括以下几个方面[3]：（1）对于商家来说，通常会同时出售大量商品，为每一种商品定义数条特征是很有挑战性不现实的任务；（2）对于同一个特征，商家或者生产商的用词可能会和消费者有很大不同，并且，消费者可能还关注商家或者生产商没有提到的特征；（3）商家或者生产商可能会有意忽视产品的缺点特征，不希望消费者注意到的商品的缺陷，从而不会提供商品的缺点特征。 　　Kobayashi等人采用了一个半自动化的循环方法提取产品特征和用户观点，但是需要大量的人工参与；Popescu利用贝叶斯分类提取产品特征[4]。Bing Liu，Minqing Hu[3]利用关联规则方法挖掘评论中特征和评价该特征的情感词，并在此基础上进行了后续的研究，判断用户对这些特征的情感导向。 　　目前对于中文评论中的产品特征挖掘研究主要集中在需要人工参与的监督型方法或者半监督型方法，姚天?P等人[5]利用本体建立了汽车的产品特征；刘健等人[6]提出了意见实例抽取（opinion instance extraction），但需要建立相关的领域知识。Shi等人面向中文也作了挖掘产品特征的研究，但是需要人工建立基于产品属性的概念模型。 　　李实等[7]在Liu研究的基础上对方法进行了改进，增加中文分词、删除非频繁特征抽取等步骤，将该方法应用于中文网络评论特征挖掘领域，取得了很好的实验成果。该方法的主要步骤： 　　第1步：对评论语料分词。 　　第2步：对分词结果进行词性标注。 　　第3步：将标注的名词创建事务文件。 　　第4步：基于关联规则Apriori算法挖掘频繁特征集。本步骤中仅仅使用Apriori算法中的第一步，生成频繁特征集，而不生成频繁项之间的关联规则。 　　第5步：在第4步的基础上，按照邻近规则进行剪枝。邻近规则定义：假设s是频繁项，s中包含n个词，句子x包含s，而且s中的词出现在x中的顺序为s1，s2，…，sn，如果s中任意两个词在x中相邻，则称s是一个邻近特征短语。例如：s={“手机”，”屏幕”}，x：“手机屏幕很大”，则s是一个邻近特征短语，可以合并成特征“手机屏幕”。 　　第6步：过滤掉非产品特征的常见中文频繁项名词和单个字名词。例如，评论中经常出现的称呼用语。 　　网络评论的随意性、不规范性给评论特征提取带来了很多困难，为了获得更准确的评论特征，还需要在上述关联规则挖掘的基础上，进行人工筛选，但是相对于其他人工半人工的挖掘方法，在关联规则挖掘结果的基础上进行筛选，减