《2020年(产品管理）从评论语料库中挖掘产品特征词_》由会员分享，可在线阅读，更多相关《2020年(产品管理）从评论语料库中挖掘产品特征词_（36页珍藏版）》请在金锄头文库上搜索。
1、重庆科技学院毕业设计（论文）题 目 从评论语料库中挖掘产品特征词 院 （系） 电子信息工程学院 专业班级 计科应2006-01 学生姓名 程学伟 学号 2006540220 指导教师 黄永文 职称 讲师 评阅教师_ _ 职称_ 2010年 6 月 10 日注 意 事 项1. 设计（论文）的内容包括：1) 封面（按教务处制定的标准封面格式制作）2) 题名页3) 中文摘要（300字左右）、关键词4) 外文摘要、关键词 5) 目次页（附件不统一编入）6) 论文主体部分：引言（或绪论）、正文、结论、参考文献7) 附录（对论文支持必要时）2. 论文字数要求：理工类设计（论文）正文字数不少于1万字（不包括
2、图纸、程序清单等），文科类论文正文字数不少于1.2万字。3. 附件包括：任务书、文献综述、开题报告、外文译文、译文原文（复印件）。4. 文字、图表要求：1) 文字通顺，语言流畅，书写字迹工整，打印字体及大小符合要求，无错别字，不准请他人代写2) 工程设计类题目的图纸，要求部分用尺规绘制，部分用计算机绘制，所有图纸应符合国家技术标准规范。图表整洁，布局合理，文字注释必须使用工程字书写，不准用徒手画3) 毕业论文须用A4单面打印，论文50页以上的双面打印4) 图表应绘制于无格子的页面上5) 软件工程类课题应有程序清单，并提供电子文档5. 装订顺序1) 设计（论文）2) 附件：按照任务书、文献综述、
3、开题报告、外文译文、译文原文（复印件）次序装订3) 其它重庆科技学院本科生毕业设计（论文）从评论语料库中挖掘产品特征词 院（系） 电子信息工程学院 专业班级 计科应2006-01 学生姓名 程学伟 指导教师 黄永文 讲师 2010年 6月 10日学生毕业设计（论文）原创性声明本人以信誉声明：所呈交的毕业设计（论文）是在导师的指导下进行的设计（研究）工作及取得的成果，设计（论文）中引用他（她）人的文献、数据、图件、资料均已明确标注出，论文中的结论和结果为本人独立完成，不包含他人成果及为获得重庆科技学院或其它教育机构的学位或证书而使用其材料。与我一同工作的同志对本设计（研究）所做的任何贡献均已在论
4、文中作了明确的说明并表示了谢意。毕业设计（论文）作者（签字）： 年 月 日重庆科技学院本科毕业生论文 中文摘要摘要 随着web的广泛应用，用户购买和实用产品之后会在web上发表对产品的评论，这些评论中包含用户对产品性能或者功能等方面持有肯定还是否定的态度，生产厂商和用户对产品的评论的分析可以获得大量有用信息：生产厂商不仅可以了解用户对产品目前已经提供的性能的评价和产品的不足，还可以了解用户的需求，找出用户最感兴趣和最希望提供的功能，从而改进产品。用户购买产品之前可以了解已经购买了该产品的用户关于该产品的使用体验，了解产品各个方面的性能，还可以对同类型的产品按照性能进行比较，从而合理的购买产品。
5、 产品特征提取目的是从众多的用户评论中挖掘出用户所关心的产品特征（比如：相机的产品特征包括重量、大小、图片的质量、电池的使用时间、存储容量等；手机的产品特征包括制式、重量、体积、屏幕大小、摄像头像素等）。由于角度不同及用户通常使用一些常识性描述，生产厂家所使用的产品功能和不见特征名称与用户所表达出来的有很多是不一样的，主要对厂家产品的规格特征和用户描述特征提取及其关系进行了研究。 产品评论挖掘是从自然语言描述的用户评论中获取信息的过程,产品特征抽取是产品评论挖掘的第1个阶段,产品特征的好坏决定了产品评论挖掘中后续阶段的质量.采用弱监督的学习方法,只需要提供少量的产品特征作为种子,从这些种子出现
6、的语句中抽取文本 模式,利用文本模式来发现新的产品特征.实验结果表明,从英文文本中自动抽取产品特征的实验系统,取得了较好的效果。关键字：文本模式抽取 产品评论 特征提取I重庆科技学院本科毕业生论文 英文摘要ABSTRACTWith the extensive use of web users, after purchasing and useful products will be published in the web comments on the product, which contains the user comments on the product performance o
7、r functionality such as hold positive or negative attitude, manufacturers and users of the product Analysis of the comments get a lot of useful information: manufacturers can not only understand the users of products now provides the evaluation of performance and product deficiencies, but also to un
8、derstand the needs of users, to identify the most interesting and most users want to provide the function to improve the product. Before the user can purchase products already purchased the product to understand the user experience on the use of the product, understand all aspects of product perform
9、ance, but also the same type of product in accordance with the performance comparison to be reasonable to purchase products. Feature extraction aims to comments from many users are concerned about the excavation to the users product characteristics (such as: camera product features include weight, s
10、ize, picture quality, battery life, storage capacity, etc.; phone product features include the standard , weight, volume, screen size, camera pixel, etc.). Because users typically use different perspectives and a number of common-sense description of the products used by manufacturers of functions a
11、nd features not seen expressed in the name of the user out of many is not the same, the main features of the manufacturers and users of the product specifications described in feature extraction and relations were studied. Product review mining is a natural language description from the user comment
12、s in the process of obtaining the information, products feature extraction is a product review mining stage 1, the product characteristics of the decision good or bad the product review mining in the quality of follow-up phase. With weak supervision learning methods, only a small amount of product f
13、eatures to provide a seed, the statement appears from these seeds to extract the text mode, using the text mode to the discovery of new product features. The experimental results show that the English text automatically extracted from the product characteristics of the experimental system achieved g
14、ood results.features. The experimental results show that the English text automatically extracted from the product characteristics of the experimental systems, achieved good results.Keywords: Text pattern extraction；Product reviews；The feature extraction28重庆科技学院本科毕业生论文 目录目录中文摘要I英文摘要II1 绪论11.1 研究背景11.2 选题意义11.3 从评论语料库中挖掘产品特征词的研究现状21.4 产品特征词挖掘的发展前景31.5 汉语分词介绍31.5 特征词挖掘的相关算法61.6 开发环境介绍62 产品特征词的挖掘82.1问题的提出及相关研究82.2评论语料库使用的现状92
