文本挖掘在电子商务场景中的应用.pptxVIP

文本挖掘在电子商务场景中应用、机遇和挑战千诀/孙健

电子商务场景中的用户痛点海量文本挖掘在电子商务场景中的应用针对用户点评信息的挖掘和应用购物知识搜索产品中的文本挖掘构建电子商务知识词库机遇和挑战提纲

购物链购物前买什么去哪儿买购物中购物后

用户痛点1:点评这么多？

用户痛点2：有疑问怎么办?

电子商务场景中的用户痛点海量文本挖掘在电子商务场景中的应用针对用户点评信息的挖掘和应用机遇和挑战构建电子商务知识词库购物知识搜索产品中的文本挖掘010203040506提纲

针对用户点评信息的挖掘和应用(1)

一淘每天的点评量约36万；淘宝每天的点评量约700万；针对用户点评信息的挖掘和应用(2)

针对用户点评信息的挖掘和应用(3)

针对用户点评信息的挖掘和应用(4)

针对用户点评信息的挖掘和应用(5)“外观不错，功能也挺多，就是玩游戏有点卡，触屏有时反应没那么快，不过这确实不是卖家能解决的问题～总体来说不错了”外观，不错功能，多游戏，卡反应，（没）快总体，不错外观，不错，1功能，多，1游戏，卡，-1反应，快，-1总体，不错，1

电子商务场景中的用户痛点海量文本挖掘在电子商务场景中的应用针对用户点评信息的挖掘和应用购物知识搜索产品中的文本挖掘构建电子商务知识词库机遇和挑战提纲

购物知识搜索中的文本挖掘

购物知识搜索中的文本挖掘

购物知识搜索中的文本挖掘羽绒服十大品牌羽绒服能水洗吗怎样去除羽绒服上的油污羽绒服怎么洗涤羽绒服怎么挑选怎么防止羽绒服掉毛

购物知识搜索中的Query-问题挖掘01购物知识搜索中的问题-答案挖掘02购物知识搜索中的文本挖掘

这个问题抽象为由一个query给出几个相关知识这几个相关知识的语义互相独立购物知识搜索中query相关知识挖掘

02挖掘方法把知识聚成几类，每类里面挑选最优的知识条目展现知识聚类传统的向量空间模型有两个问题：一是不能解决同义词或多义词问题，二是向量维度高，聚类效果不好；采用主题模型(topicmodel)，可以较好解决这两个问题01购物知识搜索中query相关知识挖掘

购物知识搜索中query相关知识挖掘

购物知识搜索中query相关知识挖掘21query“羽绒服”及所有与其相关的知识点（这里只显示title，共19200条知识点）羽绒服

购物知识搜索中query相关知识挖掘知识点的主题概率向量P(topic|doc)比如“羽绒服坏了一个小眼,漏毛怎么办?”这个知识doc的topic向量如下（80个topic）

购物知识搜索中query相关知识挖掘Kmeans聚类后的簇示例从中可以看到，簇以及簇内的title的质量都参差不齐，所以需要对簇以及簇内的title都进行排序，然后挑选。

购物知识搜索中query相关知识挖掘最后得到的相关知识结果羽绒服

购物知识搜索中的问题-答案挖掘

淘宝详情页是很大的知识宝库

淘宝详情页是很大的知识宝库

阿里内部各产品线具有大量的优质数据详情页淘宝帮派生意经…外网垂直类网站

宝贝详情页数据生意经、CRM等资讯、BBS等内网数据外部QA专业网站外部购物相关BBS内网外网数据预处理单页面信息抽取多页面信息处理问答知识库人工干预B2C网站购物问答问答数据的全网获取

基于Wrapper的问答知识抽取抓取数据URLpattern过滤全文条件过滤建立抽取树结构化知识定位关键区域精确定位模糊定位条件定位Xpath解析定位器获取字段值类目标签关键词区域条件过滤问题回答其它信息字段定位过滤去噪单记录生成类目映射合并去重

淘宝详情页问答知识抽取流程原始数据解压缩抽取有格式字段（类目、宝贝名）获取无格式详情建立抽取树（结构化详情文本）抽取详情页中图片链接去噪（过滤肯定不是KV的分支）找Key（文本+结构+属性+风格）后续Value（完整性并反馈找Key）黑白名单等后处理Dump图片预处理（过滤文字占比过低）OCR合并去重购物知识识别结构化知识文本图像

挖掘到的数据量数据来源URL总数有效数据量宝贝详情页2亿2000万生意经3000万115万外网QA2000万500万外网BBS1000万100万

电子商务知识词库建设针对电子商务领域，赋予Term语义信息，比如产品词、品牌、型号、颜色等建立Term之间的关系，比如手机-诺基亚品牌含有哪些型号电器家用电器大家电影音电器电脑设备…手机数码手机诺基亚N97N8E71N85E63…苹果HTC…数码相机随身视听

电子商务知识库建设现状

2海量文本挖掘在电子商务场景中的应用3针对用户点评信息的挖掘和应用1电子商务场景中的用户痛点6机遇和