中文网络客户评论的产品特征挖掘方法研究

第33卷第7期2016年7月计算机应用与软件Computer Applications and SoftwareVol.33 No.7Ju l.2016中文在线评论中的商品特征聚类研究秦成磊魏晓$(上海应用技术大学计算机科学与信息工程学院上海201418)摘要针对评论中蕴含的商品特征数目繁多且同一特征具有多种不同描述的情况，提出一种基于语义相似度的商品特征聚类 算法。

算法包括“分配”和“转移”两个过程。

“分配”过程对特征词进行聚类得到初始簇序列；“转移”过程依次遍历初始簇序列将 簇内可能存在的与其他簇语义相似度更高的特征词转移到对应的簇。

实验结果表明该算法聚类质量高、时间复杂度小且对数据输 入次序不敏感。

关键词 商品特征聚类特征聚类语义相似度评论挖掘中图分类号 TP3 文献标识码 A D01:10.3969/j.issn.1000-386x.2016.07.015RESEARCH ON COMMODITY FEATURES CLUSTERING INCHINESE ONLINE COMMENTSQin Chenglei Wei Xiao *(School of Computer Science and Information Engineering, Shanghai Institute of Technology, Shanghai 201418,China)Abstract I n light of the situation that in comments there are so many commodity feature numbers while multiple different descriptions are just for one f eature,we proposed a semantic similarity-based commodity features clustering algorithm.The algorithm includes two processes, the “allocation”and the “transfer”.The “allocation”process clusters the feature words t o get primary clusters sequence;and the “transfer”process traverses the primary clusters sequence in turn and transfers the feature words within a cluster which possibly have higher similarity in semantics as of other clusters t o the corresponding cluster.Experimental results indicate that the algorithm has complexity and i s insensitive t o data input order.Keywords Commodity features clustering Features clustering Semantic similarity Comment mining〇引言Godes David等[1]早在2204年针对服装、计算机、旅游等行 业的研究发现，有近半数以上的网购消费者在做出购买决定前 参考了该商品的评论信息。

基于中文在线评论的产品特征提取与情感分析研究一、内容简述随着互联网的普及和发展，网络评论已经成为了衡量产品受欢迎程度和产品质量的重要指标。

然而由于网络评论中存在大量的虚假、重复和无关信息，因此对这些评论进行有效的特征提取和情感分析显得尤为重要。

本文旨在研究如何从中文在线评论中提取关键产品特征，以及如何对这些特征进行情感分析，从而为企业和消费者提供有价值的参考信息。

首先本文将对中文在线评论数据进行预处理，包括去除无关信息、停用词过滤和词干提取等。

接下来本文将尝试提取文本中的关键词、主题和观点等关键产品特征。

为了提高特征提取的准确性和可解释性，本文还将采用多种机器学习和自然语言处理技术，如文本分类、聚类、主题模型和情感词典等。

在完成特征提取后，本文将对这些特征进行情感分析，以了解用户对产品的喜好和不满。

为了实现这一目标，本文将采用情感词典构建方法，根据预先定义的情感极性对文本进行情感分类。

此外本文还将探讨如何利用深度学习方法(如循环神经网络和长短时记忆网络)进行更准确的情感分析。

1.1 研究背景和意义随着互联网的普及和发展，网络评论已经成为了人们获取信息、了解产品和企业的重要途径。

尤其是在电子商务领域，产品评论对于消费者购买决策具有重要的影响。

因此对产品评论进行有效的情感分析和特征提取，有助于企业更好地了解消费者的需求和喜好，从而提高产品质量和服务水平。

中文在线评论作为一种新兴的数据来源，具有丰富的信息量和较高的可信度。

通过对中文在线评论进行情感分析和特征提取，可以挖掘出潜在的市场机会和竞争优势，为企业的产品研发、市场营销和品牌建设提供有力支持。

同时这也有助于提高中文自然语言处理技术的研究水平，推动相关领域的发展。

然而目前针对中文在线评论的情感分析和特征提取研究还存在一定的局限性。

例如现有方法往往过于依赖于人工标注的数据集，难以覆盖大量的实际场景；此外，针对中文语境的特点，如歧义消解、词性标注等方面仍存在较多的技术挑战。

2019年12期（4月）摘要：文章主要针对中文在线产品评论进行研究，识别与抽取其中的基本评价单元———“特征、观点对”（Feature-Opin -ion Pair ，FOP ），提出基于语义词典的特征观点对提取方法。

先通过分词与词性标注产生实词序列，并保留其中特定的名词、动词、形容词与副词生成产品特征与观点词序列，再通过进一步的精炼与映射成为评论特征与观点词序列，最后运用匹配与抽取算法自动生成特征观点对。

实验结果表明，本方法的查全率约为87.62%，查准率约为79.44%，其性能与基线方法相比，有明显地提高。

关键词：在线产品评论；产品特征；特征观点对；语义一、引言随着口碑营销等新型营销模式的兴起，在线评论的挖掘受到越来越多的关注。

用户往往是根据产品的不同特征发表相应的观点，所以评论中的产品特征及其观点便成为反应用户对产品认知和评价的基本单元。

特征观点对的提取是挖掘评论商业价值的最重要一步。

现有的方法多为针对英文评论中特征观点对的提取。

英文评论句式固定、语法规范，而中文评论则存在口语化严重、语法不规范、语义模糊及主语缺失的特点，在一定程度上加大了评论挖掘的难度。

由于中文与英文在表达方式上的较大差别，英文评论挖掘的方法无法直接应用到中文评论中。

因此，本文主要针对中文产品评论中的特征观点对进行挖掘，在已有研究的基础上，提出基于语义词库的挖掘方法，并通过实验来验证该方法的有效性，最后再分类统计特征观点，实现评论信息的有效组织。

二、文献综述基于统计的方法利用基于统计的算法识别特征词，再采用邻近原则来判断相应的观点。

例如，Liu （2006）首先识别句子中的名词或名词短语，然后使用关联规则挖掘出频繁项作为产品特征，将离产品特征最近的形容词作为评论观点。

Scaffidi （2007）通过人工建立特定产品的特征集合来识别评论中的产品特征，再将与产品特征相邻的形容词作为评论观点。

Zhang 等（2010）通过条件随机场识别产品特征，再基于邻近原则与语法树识别与产品特征相对应的评价观点。

如何使用数据挖掘技术挖掘用户评论使用数据挖掘技术挖掘用户评论随着互联网的普及和发展，用户评论已成为了人们获取产品和服务信息的重要途径。

然而，随着评论数量的不断增加，如何从海量的评论中提取有用的信息成为了一个挑战。

数据挖掘技术的发展为我们解决这个问题提供了新的思路和方法。

一、数据挖掘技术在用户评论中的应用数据挖掘技术在用户评论中的应用主要包括情感分析、主题提取和用户行为分析等方面。

1. 情感分析情感分析是通过对用户评论中的情感倾向进行分析，来了解用户对产品或服务的评价。

情感分析可以帮助企业了解用户对产品的满意度，发现产品的优点和不足之处，从而进行改进和优化。

通过情感分析，企业可以快速了解用户对产品的整体评价，为产品的改进提供方向。

2. 主题提取主题提取是通过对用户评论中的关键词和短语进行分析，来提取用户对产品或服务关注的主题。

主题提取可以帮助企业了解用户对产品的关注点，从而进行产品的定位和市场推广。

通过主题提取，企业可以了解用户对产品的需求和期望，为产品的研发和推广提供依据。

3. 用户行为分析用户行为分析是通过对用户评论中的行为数据进行分析，来了解用户的行为习惯和偏好。

用户行为分析可以帮助企业了解用户的购买决策过程，从而进行精准的市场推广。

通过用户行为分析，企业可以了解用户的购买偏好和购买动机，为产品的定价和促销策略提供参考。

二、数据挖掘技术在用户评论中的挑战尽管数据挖掘技术在用户评论中有广泛的应用，但也面临着一些挑战。

1. 数据量大随着互联网的普及，用户评论的数量呈指数级增长。

海量的评论数据给数据挖掘带来了巨大的挑战。

如何高效地处理和分析海量的评论数据成为了一个问题。

2. 数据质量差用户评论的质量参差不齐，有些评论存在虚假和恶意的情况。

如何过滤掉虚假和恶意评论，提取真实和有用的信息成为了一个难题。

3. 多样性和复杂性用户评论的多样性和复杂性给数据挖掘带来了困难。

用户评论涉及的领域和行业广泛，涉及的主题复杂多样。

从评论语料库中挖掘产品特征词论文(DOC 36页)重庆科技学院毕业设计（论文）题目从评论语料库中挖掘产品特征词院（系）电子信息工程学院专业班级计科应2006-01 学生姓名程学伟学号2006540220 指导教师黄永文职称讲师评阅教师___ _ 职称___2010年 6 月 10 日注意事项1.设计（论文）的内容包括：1)封面（按教务处制定的标准封面格式制作）2)题名页3)中文摘要（300字左右）、关键词4)外文摘要、关键词5)目次页（附件不统一编入）6)论文主体部分：引言（或绪论）、正文、结论、参考文献7)附录（对论文支持必要时）2.论文字数要求：理工类设计（论文）正文字数不少于1万字（不包括图纸、程序清单等），文科类论文正文字数不少于1.2万字。

3.附件包括：任务书、文献综述、开题报告、外文译文、译文原文（复印件）。

4.文字、图表要求：1)文字通顺，语言流畅，书写字迹工整，打印字体及大小符合要求，无错别字，不准请他人代写2)工程设计类题目的图纸，要求部分用尺规绘3)4)5)重庆科技学院本科生毕业设计（论文）从评论语料库中挖掘产品特征词院（系）电子信息工程学院专业班级计科应2006-01学生姓名程学伟指导教师黄永文讲师2010年 6月 10日学生毕业设计（论文）原创性声明本人以信誉声明：所呈交的毕业设计（论文）是在导师的指导下进行的设计（研究）工作及取得的成果，设计（论文）中引用他（她）人的文献、数据、图件、资料均已明确标注出，论文中的结论和结果为本人独立完成，不包含他人成果及为获得重庆科技学院或其它教育机构的学位或证书而使用其材料。

与我一同工作的同志对本设计（研究）所做的任何贡献均已在论文中作了明确的说明并表示了谢意。

毕业设计（论文）作者（签字）：年月日摘要随着web的广泛应用，用户购买和实用产品之后会在web上发表对产品的评论，这些评论中包含用户对产品性能或者功能等方面持有肯定还是否定的态度，生产厂商和用户对产品的评论的分析可以获得大量有用信息：生产厂商不仅可以了解用户对产品目前已经提供的性能的评价和产品的不足，还可以了解用户的需求，找出用户最感兴趣和最希望提供的功能，从而改进产品。

硕士学位论文中文产品评论的意见挖掘研究Research on Opinion Mining of Product Reviews in Chinese作者：严孙荣导师：瞿有利北京交通大学2010年5月学位论文版权使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。

特授权北京交通大学能够将学位论文的全部或部分内容编入有关数据库进行检索，提供阅览服务,并采纳影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。

同意学校向国家有关部门或机构送交论文的复印件和磁盘。

（保密的学位论文在解密后适用本授权讲明）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日中图分类号：TP391.3 UDC：620学校代码：10004密级：公开北京交通大学硕士学位论文中文产品评论的意见挖掘研究Research on Opinion mining of Product Reviews in Chinese 作者姓名：严孙荣学号：08120510导师姓名：瞿有利职称：副教授学位类不：工学学位级不：硕士学科专业：计算机科学与技术研究方向：自然语言处理北京交通大学2010年5月致谢本论文的工作是在我的导师瞿有利副教授的悉心指导下完成的，瞿有利副教授严谨的治学态度和科学的工作方法给了我极大的关心和阻碍。

在此衷心感谢两年来瞿有利老师对我的关怀和指导。

尹传环老师悉心指导我们完成了实验室的科研工作，在学习上和生活上都给予了我专门大的关怀和关心，在此向尹传环老师表示衷心的谢意。

王志海和田盛丰教授关于我的科研工作和论文都提出了许多的宝贵意见，在此表示衷心的感谢。

在实验室工作及撰写论文期间，张美珍、张彦博和张尚超等同学对我论文中的意见挖掘研究工作给予了热情关心，在此向他们表达我的感激之情。

另外也感谢女朋友符蓉，他们的理解和支持使我能够在学校用心完成我的学业。

严孙荣2010年5月于北京摘要随着电子商务的迅猛进展，用户购买和使用产品之后会在Web 上发表对产品的评论，产品评论的自动挖掘关于商家和潜在的消费者有着重要意义。

顾客评论的特征挖掘摘要商人在网上出售商品后请求顾客对产品和相关服务进行评论是一种常见做法。

随着电子商务越来越热门，一件商品得到的顾客评论数目也变得越来越多。

对于一件热门商品，评论的数目可能是成百上千。

这使得有购买意愿的顾客通过阅读产品评论来决定是否购买变得非常困难。

在这个课题里面，我们意在总结出一件商品的所有评论。

这种总结不同于传统的文本总结因为我们只对产品的某些属性关于顾客发表的评论及这些评论是否有用感兴趣。

我们不会像传统的文本总结通过选择或重写一系列评论中的句子来捕捉要点。

在这篇论文中，我们只集中于挖掘已有的产品评论的特征。

大量的技术方法会被应用于挖掘，我们的实验结果会展示出这些方法非常有效。

介绍随着电子商务的迅速膨胀，越来越多的产品通过网上销售，越来越多的人选择网上消费。

为了掌握顾客的满意度和他们的购物经验，商家选择让网上顾客通过评论或表达关于对他们购买的产品的意见。

随着越来越多的网上使用者，写评论的人数不断增加。

这导致，产品评论的数目增长越来越块。

一些热门商品在一些大的消费网站上得到的用户评论成百上千。

这使得对于想要购买的顾客通过阅读评论来决定是否购买变得非常困难。

在这篇研究中，我们意在研究网上售出商品的基于商品特征的顾客评论的总结的有关问题。

这个任务被呈现出2步：1.定义顾客评论的产品特征和根据出现在评论中的特征的频率进行排名。

2.对于每一个特征，我们分辨出有多少顾客评论是积极的或者消极的意见。

这些区别的评论和表达的类似观点将附属于这类特征。

这些将有助于潜在顾客的浏览。

我们给出简单的例子的说明。

假设我们总结了一款特定的数码相机（相机1）的评论，总结的结果如下：相机1：图形质量：积极的：253消极的：6大小：积极的：134消极的：10…图形质量和大小作为评论的特征。

有253位顾客的评论表达了图形质量的积极的观点，只有6位表达了消极的观点。

个人评论意见被指向区分的观点，给出关于一类特征的积极或消极的评论。

中文网络产品评论中的评价对象抽取方法研究的开题报告一、题目中文网络产品评论中的评价对象抽取方法研究二、研究背景随着互联网技术的发展和全民网络化的趋势，越来越多的人在网络上进行产品消费，网络产品评论也因此成为影响消费者购买决策的重要因素。

然而，众多网络产品评论的复杂多样性给消费者带来了困扰，其中最关键的问题就是如何快速准确地抽取出评论中的评价对象，即消费者对于某款产品所涉及的具体物品、机构、人员等信息，对于评价对象的准确抽取，有助于消费者更快速、更准确地了解产品的性能和特征，从而更好地进行购买决策。

因此，本研究旨在通过深入分析中文网络产品评论，并运用自然语言处理技术，提出一种有效的评价对象抽取方法，为消费者提供更好的产品购买体验。

三、研究目的本研究的主要目的是：1.了解中文网络产品评论的基本特征和评价对象抽取方法的研究现状；2.提出一种基于自然语言处理技术的中文网络产品评论评价对象抽取方法，并通过实验验证其准确性和有效性；3.为网络消费者提供更可靠、更快速、更准确的评价对象信息，提高消费者对产品的认知度和购买效率。

四、研究内容及方法本研究将主要从以下几个方面展开：1.中文网络产品评论的基本特征和评价对象抽取方法的研究现状分析，包括文本前处理、特征选择、对象分类等技术，研究目前主流的方法，比较各种方法的优缺点。

2.提出一种基于自然语言处理技术的中文网络产品评论评价对象抽取方法。

首先，使用分词技术将评论文本进行处理，去除无关词汇，提取出关键词。

然后，通过规则匹配、机器学习等方法来识别评价对象，实现快速准确的抽取。

3.针对提出的方法，对其进行实验验证，获得其准确度、召回率和F1值等评价指标，并与现有方法进行比较和分析。

五、研究意义本研究意义在于：1.对中文网络产品评论评价对象抽取方法进行深入研究，提高抽取评价对象的准确性和效率，为消费者提供更好的购买体验。

2.促进互联网社会的健康发展，提高网络产品消费的质量和效率，引导消费者进行理性消费。

中文网络评论中提取产品特征的研究祖李军;王卫平【期刊名称】《计算机系统应用》【年(卷),期】2014(000)005【摘要】大量的网络评论已经成为挖掘用户意见、改进产品质量的重要信息来源，而特征抽取作为后续分析的基础，直接影响到最终意见挖掘结果的准确性。

本文提出了一种PMI-Bootstrapping算法，并结合了语言规则实现中文网络评论的产品特征抽取。

首先利用语言规则产生候选特征集，计算每个候选特征与初始给定种子集的加权平均互信息，将满足阈值的候选特征添加到种子集中，如此循环迭代，直到种子集合收敛，输出排队后的种子集合作为抽取结果。

实验证明，该算法取得良好的准确率和召回率。

%Now online reviews have become an important resource for mining users’opinion and refining products. As a foundation of further analysis, features extraction influences the precision of the opinion mining results. This paper proposes a PMI-Bootstrapping algorithm which realizes extracting product features from Chinese online reviews by combining three language rules. First, utilize the language rules to get a candidate feature set. Then, calculate the weighted average PMIfor each candidate feature with the seeds in the initial seed set. Add the candidate feature which satisfies the threshold to the seed set. Iterate until the seed set is convergent. Output the seed set as the extraction result. Experimental results show that the algorithm achieved very good precision and recall rate.【总页数】6页(P196-201)【作者】祖李军;王卫平【作者单位】中国科学技术大学管理学院，合肥 230026;中国科学技术大学管理学院，合肥 230026【正文语种】中文【相关文献】1.中文网络评论中的产品特征情感倾向提取算法研究 [J], 王永;陶娅芝;张勤2.中文网络评论的产品特征提取及情感倾向判定 [J], 任远远;王卫平3.中文网络评论的隐式产品特征提取方法研究 [J], 陈可嘉; 骆佳艺4.一种Windows10中文用户输入痕迹信息提取方法研究与实现 [J], 周凯5.中文文本分类中基于词性的特征提取方法研究 [J], 胡燕;吴虎子;钟珞因版权原因，仅展示原文概要，查看原文内容请购买。