基于改进特征提取及聚类的网络评论挖掘研究

[目的/意义]针对信息过载条件下中文网络产品评论中特征提取性能低以及特征聚类中初始中心点的选取问题。[方法/过程]本研究提出采用基于权重的改进Apriori算法产生候选产品特征集合,再根据独立支持度、频繁项名词非特征规则及基于网络搜索引擎的PMI算法对候选产品特征集合进行过滤。并以基于HowNet的语义相似度和特征观点共现作为衡量产品特征之间关联程度的特征,提出一种改进K-means聚类算法对产品特征进行聚类。[结果/结论]实验结果表明,在特征提取阶段,查准率为69%,查全率为92.64%,综合值达到79.07%。在特征聚类阶段,本文提出的改进K-means算法相对传统算法具有更优的挖掘性能。

基于兴趣度的Web访问用户关联规则挖掘

传统关联规则算法中事务扫描的重复性以及最小支持度设定的不可靠性会导致计算最大频繁集运行效率低并产生大量冗余的、无趣的规则问题,提出一种改进的Apriori关联规则挖掘算法。对候选项目进行约减,引入兴趣度测量因子对提取的关联规则进行优化。数据实验结果表明,该方法可提高传统关联规则挖掘算法的效率,避免传统关联算法中扫描的重复性,对Web访问用户行为分析具有一定的指导意义。

基于网络评论中产品特征的提取优化

针对现有网络评论中产品特征提取算法运行效率低和准确率低的问题,提出了改进Apriori算法并用于候选特征集合的抽取,结合单字词规则和邻近剪枝规则对候选特征集合进行初步过滤,采用频繁项名词非特征规则及PMI阈值过滤技术对候选产品特征集进行筛选,得到最终产品特征集.以从互联网下载的手机评论语料作为实验对象进行实验,结果验证了该方法具有较高的准确率和查全率.