基于微观点的产品评论微摘要研究

移动互联网和社交网络带来了大量的产品评论信息，本文在基于微观点的微结构化定义的基础上，提出了一种基于微观点的产品评论微的生成方法。利用基于改进依存句法分析的文本挖掘方法来抽取候选微观点；采用改进的基于近邻传播算法的K—means聚类算法对微观点聚类；选取微观点簇中的高频微观点组成微观点集合，从而得到满足条件的微。实验结果表明本文提出的微生成方法准确率和召回率有明显提高，生成的微具有较好的代表性和可读性。

一种新型的中文产品评论微摘要方法研究

提出一种新的无监督的方法,对网络上存在的大量中文产品评论信息进行处理,生成简洁的非结构化的可读性强且具有代表性、简洁性的理解式评论微摘要.用N-gram语言模型来衡量可读性,用改进的点间互信息函数来衡量代表性,用同义词词林来计算词语相似度;将这种产品评论微摘要问题归结为优化问题,试图寻找具有可读性和代表性的简洁、低冗余的词组,并提出了一个启发式算法来解决这个优化问题.