基于NodeRank算法的产品特征提取研究

摘要：

[目的]基于自然语言处理技术和复杂网络相关理论,提出新的产品特征识别方法,提高产品特征的抽取效果.[方法]构建产品特征-情感词对的二分加权网络,从网络视角更加清晰、直观地描述产品特征词和情感词之间的关系.然后提出NodeRank算法对产品特征词进行重要性排序,提高特征词提取的准确率.[结果]通过对京东商城中真实评论数据的仿真实验,结果表明NodeRank算法产品特征提取的准确率、召回率和F-score都高于HAC、TF-IDF和TextRank等基准算法.[局限]NodeRank算法的计算复杂度偏高,需要进一步优化.[结论]NodeRank算法是一种准确有效的特征提取方法,能够为产品特征提取、产品营销等商业活动提供支持.

关键词：特征词抽取、二分网络、NodeRank算法、重要性排序

所属期刊栏目：2

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金项目“社交媒体中用户创新价值度测量模型及互动创新管理方法研究”71672128;中央高校基本科研业务费专项资金项目“基于大数据的社交网络传播机理与模型研究”项目1200219368的研究成果之一

在线出版日期：2018-08-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：90-98