面向电商用户评论的细粒度观点挖掘及其分布规律探究

[目的/意义]电商用户评论中蕴含着大量有价值的信息，识别其中的用户观点，探索观点分布的差异和规律，能够为消费者、商家和平台提供参考。[方法/过程]首先，基于UIE模型，对家居、零食、手机3个行业中的用户评论进行观点抽取；其次，基于商品特征库和BERT模型，计算词间语义相似度对观点进行泛化；最后，基于IPA模型，对用户观点进行统计分析和可视化呈现，为商家和平台提供优化建议。[结果/结论]在观点挖掘方面，模型在3个行业中均表现优秀，观点抽取的F1值分别为79.85%、83.28%和85.71%，证明该方法的有效性；在规律分析方面，发现手机行业的用户观点主要集中于性能、外观和电池，但不同平台和品牌的...

Full description

Saved in:
Bibliographic Details
Published in知识管理论坛 no. 3; pp. 253 - 268
Main Authors 陆晨晨, 王昊, 石斌, 裘靖文
Format Journal Article
LanguageChinese
Published 中国科学院文献情报中心 30.06.2024
Subjects
IPA分析
预训练语言模型
用户评论
细粒度情感分析
观点挖掘
Online AccessGet full text

Cover

More Information
Summary:[目的/意义]电商用户评论中蕴含着大量有价值的信息，识别其中的用户观点，探索观点分布的差异和规律，能够为消费者、商家和平台提供参考。[方法/过程]首先，基于UIE模型，对家居、零食、手机3个行业中的用户评论进行观点抽取；其次，基于商品特征库和BERT模型，计算词间语义相似度对观点进行泛化；最后，基于IPA模型，对用户观点进行统计分析和可视化呈现，为商家和平台提供优化建议。[结果/结论]在观点挖掘方面，模型在3个行业中均表现优秀，观点抽取的F1值分别为79.85%、83.28%和85.71%，证明该方法的有效性；在规律分析方面，发现手机行业的用户观点主要集中于性能、外观和电池，但不同平台和品牌的观点分布存在明显差异，并且用户情感从初评到追评总体呈现出积极到消极的变化趋势。
ISSN:2095-5472
2095-5472