1、隨著網(wǎng)絡(luò)的蓬勃發(fā)展，以用戶(hù)為中心反映了用戶(hù)使用體驗(yàn)、包含了用戶(hù)對(duì)產(chǎn)品的特征、功能和性能等看法的產(chǎn)品評(píng)論越來(lái)越多。通過(guò)參考產(chǎn)品使用者所發(fā)表的產(chǎn)品評(píng)論，用戶(hù)可以挑選最適合自己的產(chǎn)品，廠(chǎng)家也可據(jù)此對(duì)產(chǎn)品進(jìn)行改進(jìn)，從而增強(qiáng)企業(yè)競(jìng)爭(zhēng)力，因此產(chǎn)品評(píng)論挖掘技術(shù)的研究也就變得越來(lái)越重要。本文應(yīng)用機(jī)器學(xué)習(xí)方法對(duì)產(chǎn)品評(píng)論挖掘的相關(guān)技術(shù)如短文本分類(lèi)技術(shù)、特征觀(guān)點(diǎn)對(duì)的挖掘方法、特征觀(guān)點(diǎn)對(duì)的優(yōu)化算法及產(chǎn)品特征的層次關(guān)系提取技術(shù)進(jìn)行了研究。取得的主要成果和創(chuàng)新工作

2、概括如下：
　　 提出基于語(yǔ)義特征的產(chǎn)品評(píng)論分類(lèi)方法。產(chǎn)品評(píng)論的自動(dòng)分類(lèi)可以獲取更好的研究素材，降低評(píng)論挖掘算法的復(fù)雜性，從而提高挖掘效率。基于產(chǎn)品評(píng)論普遍較短，本文從短文本的角度處理產(chǎn)品評(píng)論的分類(lèi)問(wèn)題。首先對(duì)從網(wǎng)上獲取的產(chǎn)品評(píng)論進(jìn)行人工標(biāo)注，獲得訓(xùn)練集；然后提取出產(chǎn)品評(píng)論中位于前列的x2統(tǒng)計(jì)量和語(yǔ)義內(nèi)容(產(chǎn)品特征、觀(guān)點(diǎn)詞、程度詞)作為分類(lèi)特征，把語(yǔ)義內(nèi)容的數(shù)量、未挑選的語(yǔ)義內(nèi)容和評(píng)論文本長(zhǎng)度也加入分類(lèi)特征；再使用二分類(lèi)具有優(yōu)勢(shì)

3、的支持向量機(jī)分類(lèi)方法對(duì)所獲取的分類(lèi)特征進(jìn)行學(xué)習(xí)，獲得分類(lèi)器;最后對(duì)網(wǎng)上時(shí)時(shí)更新的產(chǎn)品評(píng)論進(jìn)行分類(lèi)，挖掘出優(yōu)秀的評(píng)論，建立評(píng)論語(yǔ)料庫(kù)。實(shí)驗(yàn)表明，語(yǔ)義內(nèi)容的加入對(duì)產(chǎn)品評(píng)論分類(lèi)效果的改善是很明顯的，準(zhǔn)確率提升了9％，達(dá)到了80％，對(duì)屬于短文本類(lèi)型的產(chǎn)品評(píng)論來(lái)說(shuō)分類(lèi)效果是很不錯(cuò)的。
　　 采用半監(jiān)督學(xué)習(xí)思想，提出在產(chǎn)品評(píng)論挖掘過(guò)程中把特征挖掘和觀(guān)點(diǎn)挖掘相結(jié)合以獲取特征觀(guān)點(diǎn)對(duì)的方法。針對(duì)產(chǎn)品特征和觀(guān)點(diǎn)詞具有對(duì)應(yīng)的修飾關(guān)系，本文使用半監(jiān)督學(xué)

4、習(xí)方法，把用戶(hù)發(fā)表的產(chǎn)品部件、功能、性能等特征和表達(dá)了情感的觀(guān)點(diǎn)詞結(jié)合在一起進(jìn)行挖掘，從而保留特征和觀(guān)點(diǎn)的對(duì)應(yīng)關(guān)系。半監(jiān)督學(xué)習(xí)方法既可以利用少量標(biāo)注樣本獲得專(zhuān)家的標(biāo)注知識(shí)，又可以利用大量未標(biāo)注數(shù)據(jù)來(lái)改善學(xué)習(xí)性能，增強(qiáng)學(xué)習(xí)算法的泛化能力。因此本文把人工定義的少量特征觀(guān)點(diǎn)對(duì)作為種子，結(jié)合評(píng)論語(yǔ)句中的詞、詞性和修飾關(guān)系等組成的模式特征集對(duì)評(píng)論庫(kù)進(jìn)行挖掘，獲取用戶(hù)真正感興趣的產(chǎn)品特征和評(píng)價(jià)。然后使用獲得的產(chǎn)品特征詞和觀(guān)點(diǎn)詞對(duì)多特征的評(píng)論進(jìn)行了處

5、理，實(shí)驗(yàn)表明這種處理使準(zhǔn)確率和召回率都提升了2％左右。雖然把特征與觀(guān)點(diǎn)結(jié)合在一起進(jìn)行挖掘的準(zhǔn)確率不是很高，但較高的召回率可使半監(jiān)督學(xué)習(xí)算法能夠挖掘到新的信息。
　　 為了改善挖掘結(jié)果的性能，提出基于最大化調(diào)和平均數(shù)(MaximizeHarmonic-Mean，MHM)的原則，對(duì)觀(guān)點(diǎn)序列進(jìn)行優(yōu)化的方法。針對(duì)半監(jiān)督學(xué)習(xí)方法具有準(zhǔn)確率隨著迭代次數(shù)的增加而急劇下降的缺點(diǎn)，本文在準(zhǔn)確率不高、獲取的特征觀(guān)點(diǎn)對(duì)中有很多錯(cuò)誤的情況下，利用調(diào)和平

6、均數(shù)易受極端值的影響，尤其受極小值的影響比受極大值的影響更大的特點(diǎn)，對(duì)標(biāo)準(zhǔn)差大的觀(guān)點(diǎn)序列進(jìn)行調(diào)整，刪除序列中的低頻元素時(shí)，通過(guò)最大化調(diào)和平均數(shù)在確保召回率的同時(shí)提高準(zhǔn)確率。實(shí)驗(yàn)結(jié)果顯示在準(zhǔn)確率上升17％的情況下，召回率只降低了5％，此時(shí)準(zhǔn)確率達(dá)到77.3％。
　　 提出從產(chǎn)品說(shuō)明書(shū)和編輯評(píng)測(cè)中獲取產(chǎn)品特征層次關(guān)系的方法，該方法采用結(jié)構(gòu)化挖掘方法對(duì)產(chǎn)品說(shuō)明書(shū)挖掘得到規(guī)格特征及其層次關(guān)系，使用半監(jiān)督學(xué)習(xí)方法對(duì)編輯評(píng)測(cè)挖掘獲得描述特征

7、及其層次關(guān)系?，F(xiàn)有的評(píng)論挖掘系統(tǒng)在獲得特征及對(duì)應(yīng)的觀(guān)點(diǎn)詞后沒(méi)有對(duì)上下位的特征、同一特征的不同詞語(yǔ)表達(dá)進(jìn)一步處理，這樣就會(huì)把同一個(gè)特征的不同詞語(yǔ)表示作為不同的特征、上下位的特征作為平行特征展現(xiàn)給用戶(hù)。本文首先使用結(jié)構(gòu)化數(shù)據(jù)挖掘方法對(duì)廠(chǎng)家的產(chǎn)品說(shuō)明書(shū)進(jìn)行挖掘，獲取規(guī)格特征之間的層次關(guān)系，再利用半監(jiān)督學(xué)習(xí)方法對(duì)網(wǎng)站所提供的編輯評(píng)測(cè)進(jìn)行挖掘，獲取描述特征及其層次關(guān)系。然后把一段中獲取的描述特征與規(guī)格特征進(jìn)行相似度比較，從而獲得規(guī)格特征和描述特征