基于在线评论词向量表征的产品属性提取

摘要：

在线评论中蕴含的产品信息具有很高的电子商务应用价值.但是,与之相关的文本挖掘工作,常常会面临着特征抽取以及对特征属性进行归类等问题的挑战.基于词向量模型在表达词语的情景语义方面的优势,提出了一种结合词向量表征和K-means聚类相结合的半监督方法,用于从海量在线文本中高效挖掘出用户评论的特征,并进一步按照这些特征的语义提取出它们的归类信息.在真实数据集上的实验结果表明,提出的方法可有效应用于海量在线评论中的文本属性提取工作;与经典模型相比,本方法从特征中提取的归类属性信息能更好地呈现出评论者表达的语义.

关键词：在线评论、特征抽取、属性归类、词向量、聚类

所属期刊栏目：33

分类号：TP273(自动化技术及设备)

资助基金：国家自然科学基金资助项目71271044,U1233118,71490720,71572029

在线出版日期：2019-01-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：687-697