[發明專利]一種基于大數據觀點挖掘的產品特征提取方法

在審

• 申請號: 201710395967.8
• 申請日: 2017-05-31
• 公開（公告）號: CN107273351A
• 公開（公告）日: 2017-10-20
• 發明（設計）人: 王振宇;周逸舒;王勇;陳珍珍
• 申請（專利權）人: 溫州市鹿城區中津先進科技研究院
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06F17/30
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于大數據觀點挖掘的產品特征提取方法，其特征在于包括以下步驟：

步驟一：利用網絡爬蟲的頁面解析技術從網站抓取產品的產品信息和客戶評論得到產品語料，并對產品語料搭建產品信息-整體評論-細節評論的三層模型；

步驟二：對上述三層模型中的產品語料均進行預處理，得到有效的數據集合；

步驟三：對預處理后的三層模型分別進行產品特征的提取得到各層的顯式特征；

步驟四：將所有的顯式特征進行歸納構成該產品的顯式特征集。

2.根據權利要求1所述的一種基于大數據觀點挖掘的產品特征提取方法，其特征在于：所述三層模型種的第一層為產品信息層，主要指的是產品標題和產品屬性; 第二層為整體評論層，即綜述產品的優缺點; 第三層為細節評論層，詳細闡述對該產品的具體看法。

3.根據權利要求1或2所述的一種基于大數據觀點挖掘的產品特征提取方法，其特征在于：所述步驟二中的預處理包括：

分句：對文本文檔分句處理；

詞性標注：識別句子中各詞的詞性，縮小特征項候選集的范圍；

停用詞：三層模型中，上一層提取出來的特征詞將作為下一層的停用詞；

詞根還原或詞綴修剪：主要是把同一單詞的不同形式還原成標準形式。

4.根據權利要求2所述的一種基于大數據觀點挖掘的產品特征提取方法，其特征在于：所述步驟三中對產品信息層的產品特征提取方法為：

所述產品標題包括產品名稱和產品特色，產品名稱部分不對其提取，并將產品名稱的詞作為停用詞加入到停用詞詞表中；產品特色部分提取詞性為名詞的詞；

提取產品屬性短句中詞性為名詞的詞。

5.根據權利要求2所述的一種基于大數據觀點挖掘的產品特征提取方法，其特征在于：所述步驟三中對整體評論層的產品特征提取采用FP 增長算法獲得頻繁項集作為特征候選集，然后對特征候選集內的頻繁項集進行剪枝即可得到該層的顯式特征。

6.根據權利要求5所述的一種基于大數據觀點挖掘的產品特征提取方法，其特征在于：所述頻繁項集的剪枝采用兩種方式:緊密度剪枝和冗余度剪枝，所述緊密度剪枝指的是去除在特征候選集中無意義的頻繁項集，所述冗余度剪枝指的是去除特征候選集中無法完整表述產品特征的頻繁項集。

7.根據權利要求2所述的一種基于大數據觀點挖掘的產品特征提取方法，其特征在于：所述所述步驟三中對細節評論層的產品特征提取具體為：前兩層的產品特征作為此層的停用詞，采用句法分析自動分析出句子的語法結構和詞與詞之間支配關系，停用詞僅作為依存分析提取的詞篩選條件，如果不是停用詞將加入事務數據庫D中，然后再對事務數據庫D提取頻繁項集及對其剪枝處理。