基于神经网络模型的产品评分预测及特征权值分析方法

《基于神经网络模型的产品评分预测及特征权值分析方法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于神经网络模型的产品评分预测及特征权值分析方-<1-基于神经网络模型的产品评分预测及特征权值分析方法李瑾*（北京邮电大学软件学院，北京＜100876）5摘要：为挖掘中文客户评论中的产品特征及其情感以及评分信息，以帮助生产商和服务商跟踪并获取消费者对产品的反馈，來改进产品的质量和服务，提高竞争力，本文提出一种有监督的学习方法用于评分预测及特征权值该法，方利用已有的评论中的特征和特征情感以及评分信息训练个一神经网络模型，利该用模型进行评分预测及特征权重法人评价分析。本文采用电商网站上真实的产品评论语料数据对该模型训练法

2、方进行了数据实验，实验对〈10该法于评分预测精度进行方用的了计算并对特征权重进行排名，实验果结验证了该法方的有效性。关键词：数据挖掘；特征分析；评分预测；神经网络中图分类号:TP3<19<15AProductScorePredictionandFeatureWeightAnalysisMethodBasedonNeuralNetworkLlJin(SchoolofSoftwareEngineering,BeijingUniversityofPostsandTelecommunications,Beijing<1008

3、76)20Abstract:Inordertominetheusefulinformationofconsumerreviewsandhelpproductmanufacturersobtainingfeedbackaboutproductsforimprovingproductqualityandservices,thispaperproposesasupervisedlearningmethodforreviewscorepredictionandfeatureweightevaluating,themethod

4、usesthefeaturesanditssentimentinformationandscoresinreviewstotrainaneuralnetworkbasedonbasedonback-propagation.Experimentsonreviewsfrom25real-worlddataarepresentedtodemonstratetheresultsoftheproposedtcehniques,experimentforthepredictionaccuracycalculatingandfea

5、tureweightranking,theexperimentresultsdemonstratestheeffectivenessofthismethod.Keywords:datamining;featureanalysis;scoreprediction;neuralnetwork30350引言随着电子商务的飞速发展，人们可以更方便快捷的在各类电商网站上买到自己需要的物品。大多数的电商网站，如Amazon＞京东、淘宝等都支持用户对商品的特性及功能等进行打分并且发表简短的文字评论，这些评论一般是用户对该产品的真实

6、体验信息，具有一定的40客观公正性。对这些评价内容进行文本挖掘，可以得到关于产品的质量、服务等评价方而的有用信息，而评分数据是关于产品体验、质量的直接量化表示，可以用于用户在购物时的参考，商家可以追踪用户对产品特性、质量的反馈以改进自身产品的质量和服务，也可以利用评分进行购物推荐。网络上关于产品的评论数量大且内容繁杂，其中包含大量无用信息，有些用户在评价产品的同时也对产品给岀一个评分值，而有些用户则在评价时没有给出评分45值。木文定义用户评论中既包含简短文木又包含评分值的为完整用户评论，只包含简短用户评论的为非完整用

7、户评论。本文提出一种对非完整用户评论评分进行预测的方法，该方法利用完整用户评论评论中包含的产品特征及特征情感信息以及评分数据训练一个神经网络模型，该模型一方面可以对非完整用户评论评分值进行预测，另一方面可以对该产品的特征权重进行评价分析。50本文组织如下：第<1部分介绍评分预测相关研究背景，第2部分介绍神经网络模型训练方法的步骤，第3部分通过实验数据对模型的准确性进行验证，第4部分对本文进行总结。<1研究背景对网络上的产品评论进行挖掘主要是基于文本挖掘技术。评论挖掘问题分为儿个方面：挖掘重要产品特征；挖掘用户对于产品

8、特征的主观观点；判断评论观点的情感导向；根据观55点的重要性进行排名。本文内容主要关注评分的预测及特征的评价。要完成基于特征进行评分预测，一般需要对评论内容进行特征识别抽取及情感倾向进行分析。相关的研究如下。<1.<1特征识别抽取及特征情感极性分析目前已有一些研究方法对产品特征进行抽取，如M.Hu和B.Liu等人［<1］先对评论数据进行词性标注