基于特征用户评论自动摘要

《基于特征用户评论自动摘要》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、万方数据计算机研究与’发展ISSN1000—1239／CN11—1777／TPJournalofComputerResearchandDevelopment46(Suppl．)：520—525，2009基于特征的用户评论自动摘要章彦星张铭邓志鸿(北京大学信息科学技术学院北京100871)(mzhang@net．pku．edu．on)Feature-DrivenSummarizationofCustomerReviewsZhangYanxing，ZhangMing，andDengZhihong(SchoolofElectronicsEngineeringandComput

2、erScience，PekingUniversity．Beijing100871)AbstractE—commercewebsitesallowcustomerstopostreviewsaboutproductsfreely．Thesecustomerreviewsalwayscontainplentyofinformation，whichareusuallyreferencedbyothercustomerswhentheyarecomparingwithdifferentproductsanddecidingwhichonetobuy．Theycanalsobeu

3、sedbymanufacturestogetfeedbackabouttheirproductsfrommarketresearch．However，withtheboomingofe-commerce，thereareusuallyhundredsofreviewsaboutacertainproduct，SOit’StOOtime-consumingtoreadallthesereviews．Inthispaper，afeature—drivenapproachisputforwardtosummarizecustomerreviewsautomatically．I

4、tfirstminesproductfeaturesfromreviews，thenclassifiesreviewsatthegranularitylevelofsentence，andatlastgeneratessummaryviasentenceextraction．Experimentalresultsshowthattheprecisionofourfeatureminingandpruningalgorithmis81％andrecallis52％．ComparingwithHu&Liu’Swork。thealgorithmis24％higherinpre

5、cisionthough6％lowerinrecallonourdatasets，andfortunatelyF1is6％higherthanHu＆I．iu’S．Thealgorithmfocusesonprecisionoffeatureidentificationmorethanrecall，SOtheoverallsummarizationqualityissatisfied．Keywordssummarization；feature—driven；customerreview；frequentitemsetmining；classification；senten

6、ceextractjon摘要电子商务网站允许用户对商品发表评论，用户评论通常含有用户对商品的主观性体验，常被潜在顾客作为比较不同商品并作出购买选择的参考，也可被生产厂商作为市场反馈调查的数据来源．然而，由于电子商务的发展，热门商品常常拥有成百甚至上千条用户评论，这使得阅读所有评论十分耗时．提出了一种基于特征的用户评论自动摘要方法，能够自动生成简洁、全面的摘要．首先自动从评论中识别用户评价的商品特征，根据特征对评论句分类，然后使用句子抽取的方法生成摘要．实验证明该特征识别和特征过滤算法的查准率平均可达81％，查全率为52％．相较于Hu和I。iu使用的频繁项集挖掘算法。查全

7、率降低了6％，而查准率提高了24％，F1值提高为6％．算法更加注重特征识别的查准率，总体的摘要效果比较好．关键词自动摘要；特征；用户评论；频繁项集；分类；句子抽取中图法分类号TP391收稿日期：2009—06—19基金项目：教育部科技发展中心“网络时代的科技论文快速共享”专项研究基金项目(2008101)；国家“八六三”高技术研究发展计划基金项目(2009AA0lZl43．2009AAOIZl36)万方数据章彦星等：基于特征的用户评论自动摘要521互联网的普及以及Web技术的发展使网络中数据量爆炸性地增长，海量的信息以及丰富的网络应用改变