网络文本评论中产品特征抽取综述.doc

网络文本评论中产品特征抽取综述 　　〔摘要〕随着Web2.0技术和电子商务的飞速发展，越来越多的用户通过互联网分享产品的使用体验和表达喜恶的观点，如何有效地从评论文本中抽取产品特征是产品意见挖掘方向所亟需解决的问题。本文从产品特征频繁项、特征-意见共现关系、模型训练和显隐式特征匹配四个方面介绍产品特征抽取工作在国内外的研究进展并指出其各自的优势和不足，最后列出产品特征抽取在今后的研究方向 〔关键词〕在线评论；意见挖掘；特征抽取；文本分析 DOI：10.3969/j.issn.1008-0821.2016.08.031 〔中图分类号〕TP3911〔文献标识码〕A〔文章编号〕1008-0821（2016）08-0168-06 〔Abstract〕With the rapid development of Web20 technology and electronic commerce，more and more customers participate in the Internet，share product experience and express likes or dislikes about product.It is a challenge to extract product feature from customer reviews effectively in the product opinion mining field.Firstly，this paper introduced the research progress of extracting product feature from frequency，co-occurrence，modeling and implicit feature mapping both at home and abroad.Secondly，it presented their strength and limitation respectively.Finally，it enumerated some research interest about this task. 〔Key words〕online review；opinion mining；feature extraction；text analysis 近年来，随着Web20技术的发展，大量的在线产品评论文本不断涌现，对于有购买意向的潜在消费者来说，手工从产品评论中总结归纳出消费者对已购产品所持的褒贬态度是不现实的，尤其是意见相左的产品评论更让他们感到无所适从；对于生产厂家来说，从产品评论中了解消费者对产品整体或某一特征的意见，对企业竞争情报分析和后期产品质量的改进都大有裨益，因而对于评论中用户表达意见的研究具有重要意义 随着物质文化生活水平的提高，人们对消费品需求日趋多元化、个性化，他们不再满足于产品的整体性能优劣，而是根据个人的消费喜好来关注产品的某一部件或属性的性能，较多关注产品局部的评论内容，因此如何准确全面抽取评论文本中所蕴含的产品特征信息是研究者所面临的重要问题。本文站在技术实现的角度从四个方面综述文本评论中产品特征抽取技术在国内外的研究进展及各自的优势和不足，最后指出产品特征抽取技术所面临的挑战和今后的发展方向 1基于频繁项的特征抽取 该方法通常对评论语料中出现频率较高的名词或名词短语应用约束条件而抽取出来作为产品特征。产品特征词通常由名词、形容词、副词或动词组成。Liu[1]认为60%～70%的产品特征词是显式名词，由于人们习惯在评论中经常使用，因此产品的部件或属性常由经常出现的这类名词表示，同时还需要对频繁出现的名词中的非产品特征词进行过滤 Hu[2]最先提出的基于特征摘要（Feature-based Summarization）算法。他首先将产品评论中频繁出现的名词短语作为候选种子词，然后通过密实度修剪（Compactness Pruning）去掉那些未按照指定顺序在一起出现的无意义词以及冗余修剪（Redundancy Pruning）去掉未能表示产品特征的单个词，比如手机产品评论中的“时间”一词，只有在“待机时间”或“通话时间”的名词短语中才表示手机产品属性，单独出现则毫无意义，所以就把它从候选种子词中去掉。随后Popescu[3]基于如下假设：共现的次数越多的两个词，则它们之间的关联度越高，因此Popescu提出点互信息（Point-wise Mutual Information，PMI）方法比Hu的算法提高了22%的准确率，但是召回率降低了3%。Ku[4]利用TF*IDF从文档和段落级别来判断某词对产品特征的重要程度，Scaff