二次剪枝算法在评论特征提取中的应用

摘要：

针对序列模式挖掘（GSP）算法在中文产品评论特征提取中准确率不够高的问题，提出了一种二次剪枝算法，即利用 GSP 算法产生候选特征集，然后采用词对共现度作为阈值对其进行进一步筛选，从而达到提高准确率的目的．利用定制化的爬虫工具从京东网站上抓取摄像头产品的中文评论，选取其中1000条作为试验数据，采用分词工具 ICTCLAS 对评论进行分词和数据预处理，并将所提算法与 GSP 算法、交叉语言模型（CLM）和似然比检验（LRT）进行对比试验．结果表明，利用所提算法获得的中文产品评论特征提取准确率达到76．37％，较 GSP 算法、CLM和 LRT 的准确率分别提高2．94％，5．77％和7．57％．

关键词：特征提取、二次剪枝、词对共现度、似然比检验、交叉语言模型

所属期刊栏目：46

分类号：TP315.69(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项资金资助项目、国家高技术研究发展计划863计划资助项目2015AA015904．

在线出版日期：2016-10-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：513-517