[發(fā)明專利]一種基于情感分析的UGC模糊綜合評價方法

在審

• 申請?zhí)枺?/td>: 201610131279.6
• 申請日: 2016-03-08
• 公開（公告）號: CN105718446A
• 公開（公告）日: 2016-06-29
• 發(fā)明（設(shè)計）人: 徐勇;張慧;李東勤;陳亮;梁后軍;魏蘇林
• 申請（專利權(quán)）人: 徐勇
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06N7/02;G06Q30/06;G06Q30/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于情感分析的UGC模糊綜合評價方法，其特征在于，包括以下步驟：

(1)建立電子商務(wù)商品評價指標(biāo)結(jié)構(gòu)模型

經(jīng)過收集、分析消費(fèi)者在淘寶購買商品時的評價信息，歸納得出消費(fèi)者在進(jìn)行淘寶購 物時關(guān)心的因素，建立電子商務(wù)商品評價指標(biāo)結(jié)構(gòu)模型；

(2)文本情感分析

(2.1)信息抽取

利用語句情感標(biāo)簽抽取方法分析商品評價信息，挖掘消費(fèi)者對商品的評價意見，并且 累計關(guān)于商品的“好的評價信息”和“壞的評價信息”的數(shù)量；語句情感標(biāo)簽抽取方法是指將 一小段文字的評論信息，利用分詞器將一段話分割成一系列短語，然后再進(jìn)行情感標(biāo)簽的 抽取與統(tǒng)計；

(2.2)情感極性判斷

(2.2.1)初步判斷

信息抽取完畢后，對結(jié)果進(jìn)行情感極性的判定；對于極性明顯的詞語，直接利用hownet 情感詞語集和同義詞詞林建立情感詞典來直接確定其極性，“好”、“漂亮”相關(guān)褒義詞語記 為”1”；如果在褒義詞之前加有否定詞，如“不好”、“不喜歡”記為”-1”；如果一般或者其它中 性的描述，就記為”0”；如果無法直接查找到情感詞語的極性，則利用上下文關(guān)系進(jìn)行判斷， 如果消費(fèi)者評論語句中出現(xiàn)轉(zhuǎn)折詞語，比如“盡管…還是…”，“可”，“但是”的詞語出現(xiàn)時， 則在基本情感提取結(jié)果上減1；如果出現(xiàn)遞進(jìn)關(guān)系的詞語，“不但、不僅、而且”的詞語出現(xiàn) 時，在評論語句的基本情感基礎(chǔ)上加1；

(2.2.2)進(jìn)一步判斷

情感描述性詞語被副詞修飾的情況下，情感極性強(qiáng)度會被加強(qiáng)，好的情感傾向在程度 副詞的修飾下會更好，壞的情感傾向則會更壞，比如“很好、超符合、極其差”，當(dāng)一個評論中 的情感描述詞被程度副詞修飾時，如果情感極性通過步驟(2.2.1)中的方法被判斷為”1”， 則將其更改為”2”；如果情感極性通過步驟(2.2.1)中的方法被判斷為”-1”，則將其更改 為”-2”；

評論信息的情感極性判斷完成之后，會得到一個相對應(yīng)的數(shù)值，有五種可能：2、1、0、- 1、-2，分別將這五種可能與五個等級相對應(yīng)，如{2,1,0,-1,-2}＝{較好,好,一般,差,極 差}；

(3)模糊綜合評價

(3.1)模糊統(tǒng)計

①在每一次試驗(yàn)中都要確定指標(biāo)集U中的固定元素Bi中的一個u0是否屬于可變動的等 級集合；每一次試驗(yàn)中，指標(biāo)集都必須屬于一個確定清晰的集合，而每一個消費(fèi)者對商品的 評價都可以看做一個試驗(yàn)，如：針對一條消費(fèi)者評價，商品的質(zhì)量情況屬于五個等級中的哪 一個，必須清晰、明確；

②在每一條消費(fèi)者評論中，u0是固定的，而評價等級A在隨機(jī)變動；如果在所分析的n條 評論中，元素u0屬于A的次數(shù)為m，則元素u0對A的隸屬頻率定義為：

當(dāng)商品評論條數(shù)n足夠大時，根據(jù)大數(shù)定律，元素u0的隸屬頻率總是穩(wěn)定于某一數(shù)，這 個穩(wěn)定的數(shù)即為元素u0對A的隸屬度，模糊統(tǒng)計用來確定模糊評價方法的隸屬度；

(3.2)模糊評價

(3.2.1)構(gòu)建模糊評價指標(biāo)

根據(jù)商品評價指標(biāo)確定指標(biāo)集，一級指標(biāo)集記為U＝{U₁U₂…U_m}，其中i＝1,2,..., m，表示有m個一級指標(biāo)；二級指標(biāo)記為U_i＝{u_i1,u_i2,…,u_in}，表示第i個一級指標(biāo)有n個二級 指標(biāo)；一級指標(biāo)集為U＝{B1B2B3}，二級指標(biāo)集為B1＝{C1C2C3}；

(3.2.2)確定評價集V＝{V₁,V₂,…,V_n}

每一個評價指標(biāo)Ui有n個評價等級，淘寶評分系統(tǒng)用五顆星的評價方法，在這里用常見 的方法確定五個等級：{較好，好，一般，差，極差}，評價等級與分?jǐn)?shù)的對應(yīng)關(guān)系為：{較好， 好，一般，差，極差}＝{5,4,3,2,1}；

(3.2.3)確定評價指標(biāo)權(quán)重

首先，統(tǒng)計商品的評論信息條數(shù)(n)；然后，利用步驟(2)實(shí)現(xiàn)信息抽取；然后統(tǒng)計評論 中提及的商品情況(m)、物流情況(f)、服務(wù)情況(x)；接著，分別計算這三個指標(biāo)的評論條數(shù) 占總評論條數(shù)的百分比作為權(quán)重，具體權(quán)重計算方法為：商品自身情況的權(quán)重為m/(m+f+ x)，物流情況權(quán)重為f/(m+f+x)，服務(wù)情況權(quán)重為x/(m+f+x)，同一條評論中同時提及多個商 品的指標(biāo)，即(m+f+x)≠n；并且對商品評價信息提到的要素進(jìn)行歸類，在統(tǒng)計數(shù)量時，商品 情況+1；統(tǒng)計結(jié)束得到的權(quán)重要進(jìn)行歸一化處理，最后的結(jié)果作為模糊綜合評價的各個指 標(biāo)的權(quán)重，記為A＝{a₁,a₂,…,a_m}，m表示指標(biāo)的個數(shù)；

(3.2.4)確定模糊評價矩陣

在商品情況、物流情況，服務(wù)情況的指標(biāo)下，計算每個評價等級所占的比例，得到以下m 個指標(biāo)構(gòu)成的模糊評價矩陣R

R=r11r12...r15r21r22...r25............rm1rm2...rm5]]>

(3.2.5)計算綜合評價值

模糊綜合評價模型為：

其中bj表示被評級對象從整體上看對評價等級模糊子集隸屬程度，A表示評價指標(biāo)的 相關(guān)權(quán)重，R是模糊評價矩陣；

bj=min(1,Σi=1mairij),j=1,2,...,n]]>

然后對B進(jìn)行歸一化處理，得到模糊綜合評價集最后用的值確 定該商品的綜合得分。