客户评论中用户体验信息自动提取研究

doi:10.3969/j.issn.1000-3428.2015.01.009

计算机工程 ›› 2015, Vol. 41 ›› Issue (1): 49-53.doi: 10.3969/j.issn.1000-3428.2015.01.009

客户评论中用户体验信息自动提取研究

胡令传,陶晓鹏

复旦大学计算机科学技术学院,上海 201203

收稿日期:2013-12-26 修回日期:2014-02-27 出版日期:2015-01-15 发布日期:2015-01-16
作者简介:胡令传(1990-),男,硕士,主研方向:自然语言处理,机器翻译;陶晓鹏,副教授、博士。

Research on Information Automatic Extraction of User Experience from Customer Reviews

HU Lingchuan,TAO Xiaopeng

School of Computer Science,Fudan University,Shanghai 201203,China

Received:2013-12-26 Revised:2014-02-27 Online:2015-01-15 Published:2015-01-16

摘要/Abstract

摘要： 客户评论在人们的日常生活中越来越重要,人们希望从客户评论中获取商品的用户体验信息。客户评论数量的急剧增长使得用户快速、精准地获取有用的信息变得较为困难。为此,提出一种能够自动提取用户体验信息的方法。该方法通过语义片段过滤评论中的冗余信息,提取产品特征词及特征描述词,将其结合组成用户体验信息,自动获取信息能够迅速、准确地从客户评论中提取信息。实验结果证明了该方法的有效性,并且能够保证较高的准确率与查全率。

关键词: 客户评论, 特征挖掘, 情感分析, 语义片段提取, 用户体验, 语义相似度

Abstract: Customer reviews are playing an increasingly important role in people’s daily lives,from which people want to obtain some information about user experience.However,with the continuous development of the Internet,it is pretty difficult for users to get the useful information in a rapid and accurate way.The common practice is to collect experience information manually or half-manually,and calculate the frequency of tem.This paper presents an automatic method to extract information about the user experience from customer reviews,it extracts product features and feature description through semantic segment filtering redundant information,and consists of user experience information,it implements information extraction rapidly and precisely.Abundant experiments show that this method is available and can guarantee very high precision and recall ratio.

Key words: customer reviews, feature mining, emotion analysis, semantic segment extraction, user experience, semantic similarity

中图分类号:

TP391

胡令传,陶晓鹏. 客户评论中用户体验信息自动提取研究[J]. 计算机工程, 2015, 41(1): 49-53.

HU Lingchuan,TAO Xiaopeng. Research on Information Automatic Extraction of User Experience from Customer Reviews[J]. Computer Engineering, 2015, 41(1): 49-53.

参考文献

[1] Kobayashi N,Inui K,Matsumoto J,et al.Collecting Evaluative Expressions for Opinion Extraction[C]//Proceedings of IJCNLP’05.Berlin,Germany:Springer,2005:596-605.
[2] Li Zhuang,Feng Jing,Zhu Xiaoyan.Movie review Mining and Summarization[C]//Proceedings of the 15th ACM International Conference on Information and Knowledge Management.[S.1.]:ACM Press,2006:43-50.
[3] Hu Mingqing,Liu Bing.Mining Opinion Features in Customer reviews[C]//Proceedings of the 19th National Conference on Artifical Intelligence.San Jose,USA:AAAI Press,2004:755-760.
[4] Pang Bo,Lee L.Opinion Mining and Sentiment An-alysis[J].Foundations and Trends in Information Retrieval,2008,2(1/2):1-135.
[5] Pang Bo,Lee L,Vaithyanathan S.Thumbs Up?Sentiment Classification Using Machine Learning Techniques[C]//Proceedings of ACL’02.[S.1.]:Association for Computational Linguistics,2002:79-86.
[6] 徐琳宏,林鸿飞,杨志豪.基于语义理解的文本倾向性识别机制[J].中文信息学报,2007,21(1):96-100.
[7] 朱嫣岚,闵锦,周雅倩,等.基于hownet 的词汇语义倾向计算[J].中文信息学报,2006,(1):14-20.
[8] Nasukawa T,Yi J.Sentiment Analysis:Capturing Favo-rability Using Natural language processing[C]//Pro-ceedings of the 2nd International Conference on Knowledge Capture.Sanibel Island,USA:ACM Press,2003:70-77.
[9] 刘宏哲,须德.基于本体的语义相似度和相关度计算研究综述[J].计算机科学,2012,39(2):8-13.
[10] Turney P D,Littman M L.Measuring Praise and Criticism:Inference of Semantic Orientation from Association[J].ACM Transactions on Information Systems,2003,21(4):315-346.
[11] 朱杰,刘功申,陈卓.中文文本倾向性分类技术比较研究[J].信息安全与通信保密,2010,(4):56-58.
[12] Makhoul J,Kubala F,Schwartz R,et al.Performance Measures for Information Extraction[C]//Proceedings of DARPA’99.[S.1.]:IEEE Press,1999:249-252.

[1]	伍静, 詹千熠, 刘渊. 一种结合文本情感分析的微博僵尸粉识别模型[J]. 计算机工程, 2020, 46(6): 288-295.
[2]	王义, 沈洋, 戴月明. 基于细粒度多通道卷积神经网络的文本情感分析[J]. 计算机工程, 2020, 46(5): 102-108.
[3]	彭祝亮, 刘博文, 范程岸, 王杰, 肖明, 廖泽恩. 基于BLSTM与方面注意力模块的情感分类方法[J]. 计算机工程, 2020, 46(3): 60-65,72.
[4]	李妍慧, 郑超美, 王炜立, 杨昕. 一种混合语种文本的多维度多情感分析方法[J]. 计算机工程, 2020, 46(12): 113-119,141.
[5]	高玮军, 杨杰, 张春霞, 师阳. 基于AT-DPCNN模型的情感分析研究[J]. 计算机工程, 2020, 46(11): 53-60.
[6]	杨天, 田霖, 孙茜, 张宗帅, 王园园. 移动边缘计算中基于用户体验的计算卸载方案[J]. 计算机工程, 2020, 46(10): 33-40.
[7]	孙毅, 裘杭萍, 康睿智. 基于方差权重因子选词的SIF句向量模型[J]. 计算机工程, 2019, 45(9): 204-210,234.
[8]	张璞, 李逍, 刘畅. 基于规则的评价搭配抽取方法[J]. 计算机工程, 2019, 45(8): 217-223.
[9]	蔡林森,彭超,陈思远,郭兰英. 基于多样化特征卷积神经网络的情感分析[J]. 计算机工程, 2019, 45(4): 169-174,180.
[10]	陈思远,彭超,蔡林森,郭兰英. 一种用于特定目标情感分析的深度网络模型[J]. 计算机工程, 2019, 45(3): 286-292.
[11]	周锦峰,叶施仁,王晖. 基于深度卷积神经网络模型的文本情感分类[J]. 计算机工程, 2019, 45(3): 300-308.
[12]	谷兴龙, 谢珺, 靳红伟, 续欣莹. 基于词特征与语义特征的评价对象识别[J]. 计算机工程, 2019, 45(11): 218-224.
[13]	王淑媛,田生伟,禹龙,冯冠军,艾山·吾买尔,李圃,赵建国. 基于堆栈降噪自编码的维吾尔语事件共指关系识别[J]. 计算机工程, 2018, 44(6): 305-310.
[14]	张振浩,梁俊,肖楠,刘玉磊,丁然,姬永清. 空天异构网络中基于Q学习的切换判决优化算法[J]. 计算机工程, 2018, 44(5): 296-302,308.
[15]	张璞,王俊霞,王英豪. 基于标签传播的情感词典构建方法 [J]. 计算机工程, 2018, 44(5): 168-173.

客户评论中用户体验信息自动提取研究

Research on Information Automatic Extraction of User Experience from Customer Reviews

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10