面向用户评论的关键词抽取研究——以美团为例

摘要：

[目的]通过自动从海量用户评论中抽取有效关键词,帮助用户和商家快速有效地发现有价值的信息,从而更好地为用户购买行为提供决策支持,为商家改善服务质量提供信息反馈.[方法]界定面向用户评论的关键词抽取的问题定义,从商家和用户两个角度提出面向用户评论的关键词抽取的评价准则;提出一种基于语言模型的用户评论关键词抽取方法(LMKE),采集美团网用户评论构建实验数据集,并与TF-IDF和TextRank两种关键词抽取方法进行对比.[结果]LMKE方法在P@5、P@10、P@20、nDCG@5、nDCG@10和nDCG@20的最高得分分别为0.7665、0.6701、0.6200、0.8187、0.7326和0.6743.[局限]实验仅以美团网武汉地区自助餐厅的所有用户评论为例,具有一定的局限性.[结论]相较于TF-IDF和TextRank,LMKE方法的效果更优,且在LMKE方法中基于区分度的策略能获得最优评价指标.

关键词：产品推荐、用户评论、关键词抽取

所属期刊栏目：3

分类号：G353(情报学、情报工作)

资助基金：国家社会科学基金重点项目“基于全生命周期的政府开放数据整合利用机制与模式研究”17ATQ006;中央高校基本科研业务费专项资金重大培育项目“大数据环境下的政府信息服务研究”项目CCNU16202002的研究成果之一

在线出版日期：2019-05-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：36-44