[發明專利]線上文本評論驅動的電商意見挖掘推薦系統

在審

• 申請號: 202110462593.3
• 申請日: 2021-04-27
• 公開（公告）號: CN112949322A
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 李蕊男;王興
• 申請（專利權）人: 李蕊男
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06F40/242;G06F40/284;G06Q30/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提出的線上文本評論驅動的電商意見挖掘推薦系統，基于相關關系規則挖掘的方法，對線上商品評論中的商品特征進行提取，根據提取的商品特征抽取對應的感情詞，并通過感情詞典的方法進行量化，得到消費者的商品特征?感情對，改進協同過濾推薦算法，重新定義一種計算消費者之間近似指數的方法，基于商品特征，通過消費者對商品特征的關注指數和挑剔指數衡量量化消費者對商品特征的偏好程度，進而衡量量化不同消費者之間的近似指數。通過實驗對比，從平均絕對誤差的角度驗證了本發明方法的有效性和先進性。不僅能給商家帶來更多的消費者，創造出更大的經濟效益，還能為消費者帶來更好的購物體驗。

技術領域

本發明涉及一種文本評論電商推薦系統，特別涉及一種線上文本評論驅動的電商意見挖掘推薦系統，屬于電商意見挖掘推薦技術領域。

背景技術

近年來，隨著計算機和網絡技術的飛速發展，電子商務正改變著人們的日常生活，并逐步發展成為社會經濟發展的重要力量。隨著電商市場規模不斷擴大，越來越多的行業也加入電商行列中，隨之而來的不僅是日趨激烈的競爭，還有網絡中過度膨脹的多樣化信息。面對如此繁雜的信息，如何才能快速準確的從海量數據中找出所需要的商品，成為了人們最關心的話題，同時也已成為學術界和工業界亟待解決的難題。

電子商務行業中的信息和數據線性增長，這其中就包括大量消費者對購買商品的反饋信息，如評分以及包含消費者感情的線上評論。對于商家來說，可根據這些消費者反饋的評論信息來改進自己的商品和服務，并不斷提升市場競爭力。另一方面，網絡評論信息也可以幫助消費者更好的識別商品的優劣和更好的做出決策。隨著各類電商網站線上評論的不斷增加，以及線上評論結構化、自由文本格式的數據特性，消費者、商家如何才能快速準確的從浩瀚的數據海洋中尋找出所需要的信息，成為了人們最為關心的話題。

線上評論是消費者體驗后對商品進行一種感情表達，一個新的消費者往往會通過線上評論作為是否購買商品的依據，久而久之，在電商平臺上會出現大量的商品和評論數據。由于線上評論數據的快速增加，詳細全面的查看商品的評論數據變得困難，識別出評論中類型不同的感情表達變得難上加難，電商網站也面臨著一系列難題和挑戰，對定制化推薦也提出了迫切需求。

目前國際上定制化推薦系統的研發應用主要有：一是美國計算機協會ACM以專題形式對定制化推薦進行研發；二是Google等也嘗試推出推薦算法，如通過搜索預測奧斯卡金像獎得主等；三是電子商務網站，如亞馬遜推出的根據消費者以往的瀏覽和購買記錄，為消費者提供推薦，幫助消費者獲取新的商品信息，更好的方便消費者決策；四是Netflix電影推薦、Goodreads書籍推薦、YouTube視頻推薦系統等；五是社交網站中的好友推薦，如Facebook中的Like和Google中的“+1”等。國內定制化推薦系統主要集中在淘寶、京東、拼多多等的關聯規則推薦，Top-N推薦等隨著電商行業的快速發展。電商平臺規模越來越大，對定制化推薦的需求也在不斷增加，定制化推薦系統最主要的難題和挑戰是如何提高推薦系統的速度和效率，隨著電商規模的的不斷擴大，消費者規模和商品數量的線性增長，對現有定制化電子商務推薦系統提出了一系列嚴峻考驗。

在電商平臺中，消費者對商品的數字評分只是一個綜合的評價，很難體現出消費者對商品的真實態度，通過消費者對商品評價的分析可以更加準確的分析出消費者對商品的真實態度，這就需要對線上評論進行文本挖掘。針對目前商品特征提取，大多都采用人工定義和標注的方法，與工作量復雜的人工標注方法來說，自動提取更為智能和有效，能更好的反映出消費者之間的近似指數。

文本意見挖掘是指對包含消費者觀點、喜好、感情等主觀性文本進行分析挖掘，文本意見挖掘涉及到自然語言處理、數據挖掘和機器學習等多領域，意見挖掘是自然語言處理和數據挖掘領域的分支，是對互聯網中線上評論信息提取、分析、處理、歸納和推理的技術。針對文本粒度不同，意見挖掘分為詞語級、句子級、篇章級及多篇章節等分析層次。電商領域的文本意見挖掘主要是對線上商品評論進行意見挖掘，主要分為以下幾個步驟：首先是提取出線上商品評論中所包括的商品特征，其次根據提取出的商品特征找到對應的感情詞語，進而通過感情詞典判別消費者對商品特征的感情傾向。