發(fā)布時間：2023-03-05 06:04

　　為了解決海量電商評價信息中每個評價對象的情感傾向性和評價對象與評價詞不匹配問題,提出一種結(jié)合句法關系與語義關系的多粒度條件隨機場模型抽取評價單元方法SSMCRFs (syntactic semantic and multi-grained conditional random fields,SSMCRFs).首先,爬取京東商城的評論數(shù)據(jù)為基礎數(shù)據(jù),將評論文本進行句法關系,語義關系等處理;然后,使用TF-IDF算法對預處理后的數(shù)據(jù)集進行統(tǒng)計分析,以確定用戶的關注度;最后,使用條件隨機場模型進行評價單元識別.實驗結(jié)果表明,SSMCRFs在識別評價單元上準確率達到92.92%,召回率達到93.25%,F值達到93.08%.相對于馬曉君等(2017)的方法,SSMCRFs方法在準確率,召回率,F值上均有較大的提高.

【文章頁數(shù)】：18 頁

【文章目錄】：
1 引言
2 相關理論
    2.1 條件隨機場模型
    2.2 TF-IDF
3 評價單元提取
    3.1 評價單元提取總體架構(gòu)
    3.2 評論數(shù)據(jù)集獲取及清洗
    3.3 評論數(shù)據(jù)集預處理
    3.4 特征選擇
    3.5 SSMCRFs模型構(gòu)建
        3.5.1 訓練集的生成
        3.5.2 特征模板定義
    3.6 評價單元抽取
4 實驗結(jié)果及分析
    4.1 實驗評價方法
    4.2 實驗結(jié)果
5 結(jié)語



本文編號：3755851