摘要
电商平台上的评价数据蕴藏着消费者的情感观点,识别评价情感表达的关键是挖掘其在产品属性方面级别的观点,并判别情感倾向.先前的有监督学习模型需要相关领域的大量人工标注数据进行训练,耗费较多的人力成本,因此,构建了无监督学习框架的农产品评价观点抽取和情感识别系统.通过爬虫获取多源电商平台的评价数据,首先通过LDA模型确定领域主题属性,结合SO-PMI算法构建领域情感词典,然后通过LTP库的依存句法分析和词嵌入相似度制定方面观点的抽取规则,并提出情感强度值计算方法识别评价的方面情感倾向.实验证明,该框架的查准率为85.08%,召回率为78.50%,F1 值为81.66%,性能优于传统模型.根据观点抽取和情感识别结果构建可视化平台,从多个角度挖掘消费者对农产品的偏好.该系统已实际部署在农资农产品在线服务交易平台的项目中,致力于服务消费者、经销商、电商平台和监管部门四个主体,取得了良好的应用效果.
国家科技期刊平台
NSTL
维普
万方数据