文本挖掘在產(chǎn)品評(píng)論中的研究與應(yīng)用_2879.pdf

1、隨著信息技術(shù)的飛速發(fā)展和Internet大規(guī)模的使用，人們的生活方式得到了巨大的改變。越來(lái)越多的消費(fèi)者可以通過(guò)網(wǎng)絡(luò)平臺(tái)來(lái)發(fā)表自己對(duì)某種產(chǎn)品的看法，這些評(píng)論信息直接或間接的表達(dá)了其對(duì)各種產(chǎn)品的態(tài)度和情感。如果能夠合理分析并利用這些產(chǎn)品評(píng)論信息，就可以給商家、消費(fèi)者等帶來(lái)意想不到的好處，最終促進(jìn)社會(huì)經(jīng)濟(jì)的發(fā)展。
　　通過(guò)解析網(wǎng)絡(luò)平臺(tái)上獲得的評(píng)論信息，就可以得到大量半結(jié)構(gòu)化或非結(jié)構(gòu)化的文本。而文本挖掘技術(shù)，正是處理這種大量半結(jié)構(gòu)化或非結(jié)

2、構(gòu)化文本最有效的手段。
　　文本挖掘技術(shù)在處理網(wǎng)絡(luò)產(chǎn)品評(píng)論中的最終目的是文本情感分類(lèi)，就評(píng)論文本而言即消費(fèi)者對(duì)于某種產(chǎn)品的褒貶。在文本情感分類(lèi)的處理過(guò)程中，最關(guān)鍵的就是選擇合適的分類(lèi)方法。本文選擇KNN算法作為分類(lèi)方法。但是，傳統(tǒng)KNN分類(lèi)方法存在著計(jì)算量大，不均勻密度下分類(lèi)偏差大的問(wèn)題。因此，本文設(shè)計(jì)了一種新的CPKNN算法。實(shí)驗(yàn)證明，與傳統(tǒng)KNN算法相比，該算法的準(zhǔn)確率和效率都明顯提升。
　　本文主要研究工作如下：

3、>　?。?）分析研究了Apple MacBook Air筆記本頁(yè)面的DOM樹(shù)結(jié)構(gòu)，根據(jù)URL抓取規(guī)則，使用Java爬蟲(chóng)技術(shù)，采集8萬(wàn)條評(píng)論數(shù)據(jù)。通過(guò)文本分詞、去停用詞、特征選擇與特征加權(quán)等步驟，將這些評(píng)論數(shù)據(jù)處理為待訓(xùn)練語(yǔ)料。
　　（2）對(duì)KNN算法進(jìn)行改進(jìn)，提出了改進(jìn)的CPKNN算法。CPKNN算法會(huì)對(duì)不均勻的訓(xùn)練樣本進(jìn)行循環(huán)裁剪，最終使得在測(cè)試樣本領(lǐng)域內(nèi)的樣本是相對(duì)均勻的，從而提高算法的準(zhǔn)確率；其次結(jié)合使用投影尋蹤理論，來(lái)獲得