無監(jiān)督學習的產品評論微摘要技術研究.pdf

1、隨著Web2.0技術的高速發(fā)展，網絡上用戶生成的產品評論信息呈爆炸式增長，評論信息具有數據量大、內容簡短、主觀性強、口語化嚴重等特征，因此為用戶提供快速、準確、簡潔的評論摘要具有重要的研究意義和應用價值。國內外學者對產品評論挖掘的研究已經非常廣泛，近幾年隨著移動互聯(lián)網和社交網絡的迅速普及，用戶生成內容更趨向于短文本信息，用戶對信息的需求也更趨向于代表性和可讀性強的簡短摘要信息。由于短文本包含的信息量更少，傳統(tǒng)的針對長文本評論觀點挖掘的研

2、究并不能完全適用于短文本評論信息的挖掘研究。此外，由于中英文語言表達方式及結構特征等存在差異，很多國外評論挖掘的研究并不能直接應用于中文研究領域，對于中文產品評論短文本信息的研究得到了越來越多的學者的關注。
　　本文針對目前網絡上大量存在的中文短文本產品評論信息，提出了一種無監(jiān)督的基于微觀點的產品評論微摘要研究方法。首先，在知識組織層面給定了微摘要、微觀點的結構化定義，將產品評論微摘要定義為包含產品名稱、評論數量、情感極性和微觀點

3、集合的四元組；用改進的點間互信息函數來衡量詞語的代表性，用Web N-gram語言模型來衡量新生成詞語的可讀性，采用語義相似度和字符串相似度相結合的方法來計算詞語相似度；將這種產品評論微觀點生成問題歸結為優(yōu)化問題，并提出了一些啟發(fā)式算法來解決這個優(yōu)化問題。實驗結果表明，本文提出的無監(jiān)督的中文短文本產品評論微摘要生成方法在代表性、可讀性和冗余性等方面取得了較好的效果，具有較好的準確率、召回率及F-值。
　　最后，設計并實現(xiàn)了基于微觀