[发明专利]商品属性抽取方法及系统

说明书

本发明公开了一种商品属性抽取方法及系统，其中，该方法包括：获取原始评论语料；对所述原始评论语料进行分词和词性标注；根据所述分词和词性标注的结果以及句法模式特点构建商品属性抽取模板，并基于所述商品属性抽取模板抽取所述原始评论语料中的各个商品属性，再将抽取到的商品属性存储至事务文件中，其中所述商品属性包括名词、名词短语以及动词短语；采用关联规则对所述事务文件进行扫描，以得到候选商品属性集合I₀；采用过滤规则对所述候选商品属性集合I₀进行过滤，以得到候选商品属性集合I₄；对所述候选商品属性集合I₄进行聚类，以得到最终的商品属性集合I₅。本发明可以实现商品属性抽取的科学性、完整性及便捷性。

技术领域

本发明属于自然语言处理技术领域，尤其涉及一种商品属性抽取方法，以及一种商品属性抽取系统。

背景技术

对商品评论而言，不同的用户往往关注不同的商品特征，整体上持有相同情感倾向的用户对商品的局部细节可能持有不同的情感倾向，深入挖掘用户对于评价对象各个方面所持的情感倾向，可以帮助潜在用户了解目标商品在各个属性维度上的指标或优缺点，为其购买决策提供参考；帮助商家了解自己商品的优势和不足，从而有的放矢地改进商品设计或服务，提升商品质量，或者实现精准营销，其前提是首先实现商品属性的抽取及聚类，比如“价格”和“价位”、“物流”和“快递”分别聚为一类。

商品属性是指商品评论中用户所评价的关于商品的方方面面，比如，外观、功能、性能、价格、物流、服务等。商品评论中，属性词通常由名词、形容词、副词或动词组成，Liu(2013)在《Web Data Mining:Exploring Hyperlinks,Contents,and Usage Data》认为60％～70％的商品属性词是显式名词。商品显式属性是指在商品评论中直接以文字形式出现的属性，比如，对于商品评论“手机外观很漂亮”，其中包含有显式属性词“外观”。

目前的商品属性抽取方案多以被广泛认可的HU和Liu的英文产品属性提取方法为基础，将名词和名词短语作为候选属性词，然后从候选属性中获取商品属性集合，但在实际评论文本中，还有很多动词或者动词短语也作为商品属性出现，因此仅抽取名词和名词短语作为候选商品属性会导致商品属性抽取的不完整，不符合实际情况，且目前的商品属性抽取方案通常没有利用商品属性之间的关联关系，因此导致商品属性抽取过程复杂、抽取结果不科学等问题。另外，现有的商品属性抽取方法很少对抽取到的商品属性进行聚类，比如“价格”和“价位”，实际上是对于商品相同属性的不同表述，导致商品属性抽取不科学、信息冗杂、所抽取的样本不能很好的体现用户的评价特点。

发明内容

本发明提供一种商品属性抽取方法及系统，以解决关于用户评论的商品属性抽取过程复杂、抽取结果不完整以及不科学等问题。

为了实现上述目的，本发明提供一种商品属性抽取方法，包括：

获取原始评论语料；

对所述原始评论语料进行分词和词性标注；

根据所述分词和词性标注的结果以及句法模式特点构建商品属性抽取模板，并基于所述商品属性抽取模板抽取所述原始评论语料中的各个商品属性，再将抽取到的商品属性存储至事务文件中，其中所述商品属性包括名词、名词短语以及动词短语；

采用关联规则对所述事务文件进行扫描，以得到候选商品属性集合I₀；

采用过滤规则对所述候选商品属性集合I₀进行过滤，以得到候选商品属性集合I₄；

对所述候选商品属性集合I₄进行聚类，以得到最终的商品属性集合I₅。

可选地，所述获取原始评论语料，包括：