電子商務(wù)領(lǐng)域中文本評(píng)論數(shù)據(jù)的專業(yè)度研究.pdf

1、近幾年來(lái)，隨著電子商務(wù)市場(chǎng)的繁榮發(fā)展，越來(lái)越多的人們?cè)敢庠诰W(wǎng)上購(gòu)買物品并撰寫評(píng)論，同時(shí)，大多數(shù)消費(fèi)者在網(wǎng)上購(gòu)物時(shí)都會(huì)首先參考用戶評(píng)論信息。然而電子商務(wù)市場(chǎng)的飛速發(fā)展帶來(lái)了評(píng)論數(shù)據(jù)的爆炸式增長(zhǎng)，如何從海量的文本評(píng)論中篩選出有價(jià)值的信息，為消費(fèi)者、商家和平臺(tái)服務(wù)商提供有用的決策支持，已成為目前電子商務(wù)市場(chǎng)迫切需要解決的問(wèn)題。基于以上背景，本文分析了目前對(duì)于商品文本評(píng)論的主要研究?jī)?nèi)容和發(fā)展方向，獨(dú)特地從“專業(yè)度”角度對(duì)商品文本評(píng)論的價(jià)值進(jìn)行評(píng)

2、估，具有重要意義。
　　本文首先對(duì)目前電子商務(wù)領(lǐng)域中文文本評(píng)論的研究和應(yīng)用情況進(jìn)行了分析，同時(shí)總結(jié)了中文文本處理的相關(guān)技術(shù)，并從信息檢索和本體思想得到啟發(fā)，提出了一種基于專業(yè)度概念層次樹的中文文本評(píng)論專業(yè)度計(jì)算模型。
　　本文以2012年某B2C電子商務(wù)網(wǎng)站全年的交易數(shù)據(jù)為基礎(chǔ)，首先設(shè)計(jì)并實(shí)現(xiàn)了基于基尼指數(shù)和商品類別的特征層次分類算法(GiniCategoryFeatureHierarchyAlgorithm,簡(jiǎn)稱GCF)，

3、并據(jù)此構(gòu)建文本評(píng)論的專業(yè)度概念層次樹(ProfessionalConceptHierarchyTree,簡(jiǎn)稱PCH-Tree)。GCF算法借鑒基于改進(jìn)的基尼指數(shù)的文本特征選擇方法和層次分類思想，計(jì)算每個(gè)根據(jù)特定句法規(guī)則提取出的專業(yè)度概念的特征值，通過(guò)一定的閾值選擇策略為每個(gè)專業(yè)度概念標(biāo)注商品類別。實(shí)驗(yàn)發(fā)現(xiàn)，本文提出的GCF特征層次分類算法的類別特征選取精確度較高。
　　在構(gòu)建了PCH-Tree的基礎(chǔ)上，本文分別從評(píng)論的廣度、深度和

4、強(qiáng)度三個(gè)方面考慮，提出了三個(gè)商品文本評(píng)論的專業(yè)度因子：商品評(píng)論的有效長(zhǎng)度、基于PCH-Tree的評(píng)論深度范圍以及評(píng)論內(nèi)聚度，并據(jù)此提出了一種商品文本評(píng)論專業(yè)度的計(jì)算模型(ProfessionalCalculationModelofCommodityTextReview,簡(jiǎn)稱RPC-Model)，該模型主要以樹節(jié)點(diǎn)深度和節(jié)點(diǎn)之間的距離為主要計(jì)算因子，同時(shí)融入了評(píng)論的有效長(zhǎng)度，較全面地反映了評(píng)論的專業(yè)度。
　　本文以2012年某B2C

5、電子商務(wù)網(wǎng)站的18,415,146條評(píng)論數(shù)據(jù)和對(duì)應(yīng)的115個(gè)商品類別作為實(shí)驗(yàn)數(shù)據(jù)集，通過(guò)調(diào)查網(wǎng)站收集近100人對(duì)文本評(píng)論專業(yè)度的評(píng)分?jǐn)?shù)據(jù)作為驗(yàn)證數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，同時(shí)將RPC-Model與長(zhǎng)度模型和多種分類預(yù)測(cè)模型的實(shí)驗(yàn)結(jié)果進(jìn)行比較。實(shí)驗(yàn)結(jié)果表明，本文提出的RPC-Model在計(jì)算商品文本評(píng)論專業(yè)度分?jǐn)?shù)的準(zhǔn)確率上略好于長(zhǎng)度模型和分類預(yù)測(cè)模型，是可行有效的。最后，本文實(shí)現(xiàn)了仿真平臺(tái)，包括文本評(píng)論專業(yè)度計(jì)算和類別PCH-Tree的維護(hù)兩個(gè)模塊