基于客戶評(píng)論的電商產(chǎn)品特征提取的研究.pdf

1、近年來(lái)，越來(lái)越多的人選擇在電子商務(wù)網(wǎng)站上購(gòu)買產(chǎn)品，并發(fā)表對(duì)產(chǎn)品的評(píng)論，通過(guò)評(píng)論，可以得知客戶對(duì)產(chǎn)品的觀點(diǎn)和看法。這些隱藏在評(píng)論中的信息，一方面可以幫助潛在用戶了解產(chǎn)品信息，人們已經(jīng)習(xí)慣于在確認(rèn)購(gòu)買訂單前查看產(chǎn)品的在線客戶評(píng)論，另一方面，也可以幫助制造商收集分析客戶的評(píng)論反饋，確定未來(lái)產(chǎn)品方向。但是，對(duì)于客戶和制造商們而言，快速?gòu)拇罅吭u(píng)論中獲取有用信息是十分困難的，因此，自動(dòng)分析評(píng)論信息已經(jīng)成為了一個(gè)十分有意義的研究課題。
　　本論

2、文主要研究產(chǎn)品特征詞提取，特征詞指的是產(chǎn)品組件或產(chǎn)品屬性，用來(lái)反映客戶對(duì)產(chǎn)品的關(guān)注點(diǎn)和興趣點(diǎn)。針對(duì)產(chǎn)品特征詞提取問(wèn)題目前的研究現(xiàn)狀，本論文進(jìn)行了相關(guān)的系統(tǒng)研究，在此研究基礎(chǔ)上，本論文設(shè)計(jì)并實(shí)現(xiàn)了一種新的基于詞頻的快速特征詞提取(RFWE)算法，對(duì)特征詞提取算法的性能進(jìn)行提升。
　　論文的主要工作如下:
　　1)部分改進(jìn)并實(shí)現(xiàn)了三種熱門文本提取算法，分別是基于詞頻的特征提取算法、基于Web PMI的特征提取算法、快速自動(dòng)的關(guān)鍵

3、詞提取(RAKE)算法。與原算法不同的是，本論文統(tǒng)一采用了更為高效的Stanford CoreNLP文本解析工具，設(shè)計(jì)了一個(gè)從Google搜索引擎獲取的命中數(shù)并存儲(chǔ)到本地?cái)?shù)據(jù)庫(kù)的模塊，具有高頻名詞統(tǒng)計(jì)分析，計(jì)算上下文間的信息量（關(guān)聯(lián)度）等功能。
　　2)基于預(yù)先人工標(biāo)記的Amazon產(chǎn)品數(shù)據(jù)集，對(duì)每個(gè)算法的性能進(jìn)行實(shí)驗(yàn)對(duì)比，提供客觀的評(píng)價(jià)分析，實(shí)驗(yàn)分析包括以下幾個(gè)方面:準(zhǔn)確率和召回率分析、時(shí)間復(fù)雜度分析和魯棒性分析，從多方面評(píng)估特