CN103778214A - 一种基于用户评论的商品属性聚类方法 - Google Patents
一种基于用户评论的商品属性聚类方法 Download PDFInfo
- Publication number
- CN103778214A CN103778214A CN201410020517.7A CN201410020517A CN103778214A CN 103778214 A CN103778214 A CN 103778214A CN 201410020517 A CN201410020517 A CN 201410020517A CN 103778214 A CN103778214 A CN 103778214A
- Authority
- CN
- China
- Prior art keywords
- commodity
- word
- user
- attribute
- cluster
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及基于用户评论的商品属性聚类方法,属于数据挖掘领域。本发明结合用户评论信息以及商品属性信息,对特征类似的商品,根据用户评价计算属性的好评率,将其作为权值计算商品的相似性,再将商品排序,为用户返回包含真实信息的所需商品。能直接筛选出在用户关心的商品属性中,最真实好评的商品,不仅节省了选购商品的时间,也提高了用户的购物体验。
Description
技术领域
本发明涉及一种基于用户评论的商品属性聚类方法,属于数据挖掘领域。
背景技术
上世纪90年代以来,随着网络、通信和信息技术的突破性进展,Internet在全球爆炸性增长并迅速普及。在这一前提下,电子商务应运而生了。电子商务活动是通过公共计算机通信网络进行商务活动的现代方式,该方式突破传统商务在时间、地域上的限制,成为方便、快捷、安全可靠的新兴电子化商务活动模式。买卖双方可以在开放的网络环境下足不出户的进行网上购物、电子支付等商务活动。
随着电子商务的不断发展,规模的不断扩大,商品的个数和种类也快速的增加,这使得顾客在挑选所需的商品上,会花费大量的时间,在较短的时间购买到适合自己的商品,已经成为网络购物的发展方向。基于海量数据分析与数据挖掘技术的推荐服务也因此成为各大电子商务网站使用的技术之一。
由于电子商务是一种不谋面的商务活动,交易的过程中存在着一些不确定性,因而,已交易顾客对商品的评价信息就成为了对商品质量等特性进行参考的关键因素。通过商品的评价信息,顾客可以对商品的适用性有一些基本的了解。由于评价信息的口语化,商品的评价信息中包含很多并未出现的产品特征评价词,但在评价信息中被暗指,我们称其为一个隐式评价对象,通过对隐式评价对象的提取,能更全面的分析商品的特征。目前的个性化推荐系统大致基于用户的购买行为或者产品之间的相似程度,仅仅提供给用户一些隐含需求上的帮助,其产品相似的程度往往是客观的,缺少用户对商品特征的主观评价信息,因而无法反映商品的真实情况。基于评分的推荐在相似度计算过程中很难体现出商品某一方面特征的好坏程度,评分仅仅计算商品的整体分数。因而,在进行推荐时,对于那些购买目标明确的用户,如何向用户推荐带有以往用户评论的真实属性的某些好评产品,提高推荐的准确性,成为了需要解决的问题。
发明内容
本发明提供一种基于用户评论的商品属性聚类方法,以解决现有推荐系统中对于购买目标明确的用户,推荐的商品无法真实反映用户评价的问题,帮助用户快速选择商品。
为解决上述问题,本发明具体技术方案为:
步骤一、收集商品的属性信息以及用户对该商品的评论信息;
步骤二、对商品的评论信息进行预处理,
1、对商品的评论信息先去除垃圾评论;
2、对评论进行分词、词性标注,将评论划分为词条;
3、构建以名词短语和形容词短语为基础搭配的语法模式,抽取出显示评价对象及评价词,获取搭配集合M{评价对象,评价词};
4、抽取隐式评价对象,手工构建映射集,若在词句的切分中,搭配集合M{评价对象,评价词}左侧没有发现名词,则搜索构建的映射集合,若搜到隐式评价指示词,将隐式评价词映射到相应的评价对象上,以此获取隐式评价对象;
5、做极性判断,将极性强度分为(好、差),删除中性的评价,利用Hownet计算词汇倾向性,以Hownet提供的正负面评价词语作为基准词,判别待定词与基准词在Hownet中是否为同义词,计算出词汇的倾向性,计算公式如下:
其中sim(d,c)表示文本d和取类别c之间的相似度,wdk表示文本d的第k个特征权重,wck表示类别c的第k个特征权重。
6、以提取的商品属性构建商品属性词典,将提取出的类似产品属性作为商品属性树某一分支的叶子节点,每一分支的根节点由规范化的属性表示;将搭配集合M中的评价对象与商品属性树的叶子节点做对比,将该评价对象由相似叶子节点的根节点代替,以规范搭配集合M。
步骤三、使用向量空间模型来处理,计算搭配集合M中评价词fi与观点词Oj的联合概率p(fi,o),以及评价词fi单独出现的概率p(fi),计算评价词fi的权值:
如果评论中没有出现的评价词,权值为0;
步骤四、基于步骤三计算得出的权值对商品属性进行预处理,利用K-Means进行聚类:
1、文本表示,利用商品属性的好评率来表示商品的特征,使用特征向量模型,商品信息空间被看作是由一组正交特征向量所形成的向量空间,每个文档d被看作向量空间中的一个向量:
V(d)=((f1,w1),(f2,w2),...(fn,wn)),
其中fi为特征项,wi为fi在d的权值。在计算权值时,以基于特征项的好评率信息的向量形式来表示文本,特征项权值计算:
其中ω(fi,d)为属性fi在商品d中的权重。p(fi,o)为fi与观点词Oj的联合概率,p(fi)为评价词fi单独出现的概率。
2、使用K-Means聚类,其中相似度计算用其对应的向量之间的夹角余弦来表示两个商品的相似度,两个商品之间的角度越小,则商品之间的相似度越大;角度越大,则相似度越小,即商品di,dj的相似度可以表示为:
步骤五、计算出每个聚类内商品的每个属性的好评率均值为:
其中n为每一个聚类内商品数量,C(i)为当前计算的属性在该聚类内的均值,根据用户所关注的商品属性,将该属性均值最高的一簇内商品随机推荐给用户。若用户关注的属性有多个,取C(i1)×...×C(ik)值最大的一簇,对聚类内的商品随机进行推荐。
有益效果
本发明所述的基于用户评论和商品属性的聚类方法,达到了如下效果:能直接筛选出在用户关心的商品属性中,最真实好评的商品,不仅节省了选购商品的时间,也提高了用户的购物体验。
附图说明
图1为基于用户评论的商品属性聚类方法的流程图
图2为商品属性树
具体实施方式
如图1所示,是本发明实施例所述的一种基于用户评论及商品属性的聚类方法流程,结合实例,对本发明进行详细描述:
根据步骤一,收集亚马逊针对电子产品领域的电脑产品的商品属性信息和评论信息,属性信息包括CPU、屏幕、内存、显卡等。商品属性树如图2所示。
根据步骤二,对商品的评论信息及评分信息进行预处理,提取出用户评论的关键特征。其中:
1,对商品的评论信息先去除垃圾评论。利用关键词过滤技术,将评价中包含S={广告,联系地址,咨询电话,暂时没发现优缺点...}等字样的语句删除,来提高处理速度。
2,对评论进行分词、词性标注。利用ICTCLAS对中文文本评论进行分词处理,将评论划分为词条。
3,构建以名词短语和形容词短语为基础搭配的语法模式,抽取出显示评价对象及评价词,获取搭配集合M{评价对象,评价词},例如抽取{屏幕分辨率,非常高}、{内存容量,非常大}等。
4,抽取隐式评价对象。手工构建映射集,在电子商品领域,有些特定的形容词只能形容某些属性,例如“速度太快了”,可形容CPU运算速度快或者内存大,人工将这些形容词和特定的属性组合,构建评价词映射集合。如果在词句的切分中,搭配集合M{评价对象,评价词}左侧没有发现名词,则可以搜索构建的映射集合,若搜到评价指示词,将隐式评价词映射到相应的评价对象上,以此获取隐式评价对象。
5,做极性判断,将极性强度分为(好、差)。对于中性的评论,我们认为对商品参考意义不大,做删除处理。利用Hownet计算词汇倾向性,以Hownet提供的正负面评价词语作为基准词,判别待定词与基准词在Hownet中是否为同义词,计算出词汇的倾向性,计算公式如下:
其中sim(d,c)表示文本d和取类别c之间的相似度,wdk表示文本d的第k个特征权重,wck表示类别c的第k个特征权重。
6,以在亚马逊等网上商城中电脑板块中提取的商品属性构建商品属性词典,以提取出的类似产品属性作为商品属性树某一分支的叶子节点,每一分支的根节点由规范化的属性表示,如图一表示。将搭配集合M中的评价对象与商品属性树的叶子节点做对比,将该评价对象由相似叶子节点的根节点代替,以规范搭配集合M。例如,{屏幕分辨率,非常高}转换成规范的表示为{屏幕,好}。
根据步骤三,计算每个属性中好评倾向的概率,以此作为该属性的权重。包括:计算搭配集合M中评价词fi与观点词Oj的联合概率p(fi,o),以及评价词fi单独出现的概率p(fi),则评价词fi的权值即为:
其中p(fi,O)属性fi和极性为好的观点词O同时出现的概率,p(fi)为评价词fi单独出现的概率,对于评论中没有提及的商品属性,ω(fi)为0。本实例实际操作时,在电脑板块中提取的用户评论1000条,其中评价词“屏幕”与观点词“好”的组合,出现的次数为120条,而评价词“屏幕”单独出现的次数为10条,则p(fi,o)=0.12,p(fi)=0.01,由此可计算出属性“屏幕”的权重w(fi)=3.58。其他的属性依次计算。
根据步骤四,基于此权重对商品属性进行预处理,利用K-Means算法进行聚类:
1,文本表示,使用上步计算出的好评率来表示商品的特征,使用特征向量模型,商品信息空间被看作是由一组正交特征向量所形成的向量空间,每个文档d被看作向量空间中的一个向量:
V(d)=((f1,w1),(f2,w2),...(fn,wn)),
其中ti为特征项,wi为ti在d的权值。在计算权重时,以基于特征项的好评率信息的向量形式来表示文本,特征项权重计算:
其中ω(fi,d)为属性fi在商品d中的权重。
2,使用K-Means聚类,聚类的结果为,带有相似评价特征的商品,被分在同一个簇中,其中相似度计算用其对应的向量之间的夹角余弦来表示两个商品的相似度,两个商品之间的角度越小,则商品之间的相似度越大,角度越大,则相似度越小,即商品di,dj的相似度可以表示为:
根据步骤5,根据用户对商品的不同关注点,将最符合条件的商品推荐给用户。具体包括:计算出每个聚类内商品的每个属性的好评率均值,计算公式为:
其中n为每一个聚类内商品数量,C(i)为当前计算的属性在该聚类内的均值,同样以电脑板块中屏幕属性为例,假设聚类结果中某一簇的商品个数为10个,每个商品的屏幕属性的好评率分别为3.58、2.32、4.22、3.13、2.57、4.01、3.66、4.13、3.57、2.98,则C(i)=3.417,依次求出所有簇中商品的该属性,根据用户所关注的商品属性,将该属性均值最高的一簇内商品随机推荐给用户。若用户关注的属性有多个,取C(i1)×...×C(ik)值最大的一簇,对聚类内的商品随机进行推荐。
综上所述,本发明提出的基于商品评论的商品属性聚类方案,适用于网购商品推荐板块,对于购买目标明确的用户,根据其关注的属性特征,能向其推荐评价较好的商品。
以上所述的具体实例是对本发明的进一步解释说明,并不用于限定本发明的保护范围,凡在本发明原则和精神之内,所做的更改和等同替换都应是本发明的保护范围之内。
Claims (2)
1.一种基于用户评论的商品属性聚类方法,其特征在于:
步骤一、收集商品的属性信息以及用户对该商品的评论信息;
步骤二、对商品的评论信息进行预处理;
步骤三、使用向量空间模型来处理,计算搭配集合M中评价词fi与观点词Oj的联合概率p(fi,o),以及评价词fi单独出现的概率p(fi),计算评价词fi的权值:
如果评论中没有出现的评价词,权值为0;
步骤四、基于步骤三计算得出的权值对商品属性进行预处理,利用K-Means进行聚类:
步骤五、计算出每个聚类内商品的每个属性的好评率均值为:
其中n为每一个聚类内商品数量,C(i)为当前计算的属性在该聚类内的均值,根据用户所关注的商品属性,将该属性均值最高的一簇内商品随机推荐给用户;若用户关注的属性有多个,取C(i1)×...×C(ik)值最大的一簇,对聚类内的商品随机进行推荐。
2.如权利要求1所述的一种基于用户评论的商品属性聚类方法,其特征还在于:对商品的评论信息进行预处理过程为:
(1)对商品的评论信息先去除垃圾评论;
(2)对评论进行分词、词性标注,将评论划分为词条;
(3)构建以名词短语和形容词短语为基础搭配的语法模式,抽取出显示评价对象及评价词,获取搭配集合M{评价对象,评价词};
(4)抽取隐式评价对象,手工构建映射集,若在词句的切分中,搭配集合M{评价对象,评价词}左侧没有发现名词,则搜索构建的映射集合,若搜到隐式评价指示词,将隐式评价词映射到相应的评价对象上,以此获取隐式评价对象;
(5)做极性判断,将极性强度分为(好、差),删除中性的评价,利用Hownet计算词汇倾向性,以Hownet提供的正负面评价词语作为基准词,判别待定词与基准词在Hownet中是否为同义词,计算出词汇的倾向性,计算公式如下:
其中sim(d,c)表示文本d和取类别c之间的相似度,wdk表示文本d的第k个特征权重,wck表示类别c的第k个特征权重;
(6)以提取的商品属性构建商品属性词典,将提取出的类似产品属性作为商品属性树某一分支的叶子节点,每一分支的根节点由规范化的属性表示;将搭配集合M中的评价对象与商品属性树的叶子节点做对比,将该评价对象由相似叶子节点的根节点代替,以规范搭配集合M。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410020517.7A CN103778214B (zh) | 2014-01-16 | 2014-01-16 | 一种基于用户评论的商品属性聚类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410020517.7A CN103778214B (zh) | 2014-01-16 | 2014-01-16 | 一种基于用户评论的商品属性聚类方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103778214A true CN103778214A (zh) | 2014-05-07 |
CN103778214B CN103778214B (zh) | 2017-08-01 |
Family
ID=50570449
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410020517.7A Expired - Fee Related CN103778214B (zh) | 2014-01-16 | 2014-01-16 | 一种基于用户评论的商品属性聚类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103778214B (zh) |
Cited By (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268160A (zh) * | 2014-09-05 | 2015-01-07 | 北京理工大学 | 一种基于领域词典和语义角色的评价对象抽取方法 |
CN104281665A (zh) * | 2014-09-25 | 2015-01-14 | 北京百度网讯科技有限公司 | 一种用于确定评论的有效性的方法与装置 |
CN104462480A (zh) * | 2014-12-18 | 2015-03-25 | 刘耀强 | 基于典型性的评论大数据挖掘方法 |
CN104731923A (zh) * | 2015-03-26 | 2015-06-24 | 无锡中科泛在信息技术研发中心有限公司 | 互联网商品评论挖掘本体词库的构建方法 |
CN104766224A (zh) * | 2015-04-09 | 2015-07-08 | 网易传媒科技(北京)有限公司 | 一种购物评价显示方法及系统 |
CN105046523A (zh) * | 2015-06-29 | 2015-11-11 | 成都亿邻通科技有限公司 | 一种提升评价信誉度的方法 |
CN105069647A (zh) * | 2015-07-30 | 2015-11-18 | 齐鲁工业大学 | 一种改进的抽取中文商品评论中评价对象的方法 |
CN105260899A (zh) * | 2015-10-27 | 2016-01-20 | 清华大学深圳研究生院 | 一种电商主体可信度评价方法及系统 |
CN105630793A (zh) * | 2014-10-28 | 2016-06-01 | 阿里巴巴集团控股有限公司 | 信息权重的确定方法和装置 |
CN105869001A (zh) * | 2015-01-19 | 2016-08-17 | 苏宁云商集团股份有限公司 | 个性化商品推荐引流方法和系统 |
CN106021433A (zh) * | 2016-05-16 | 2016-10-12 | 北京百分点信息科技有限公司 | 一种商品评论数据的口碑分析方法和装置 |
CN106202216A (zh) * | 2016-03-23 | 2016-12-07 | 四川长虹电器股份有限公司 | 一种数据处理方法及数据处理系统 |
CN106250365A (zh) * | 2016-07-21 | 2016-12-21 | 成都德迈安科技有限公司 | 基于文本分析的消费者评论中商品属性特征词的提取方法 |
CN106485507A (zh) * | 2015-09-01 | 2017-03-08 | 阿里巴巴集团控股有限公司 | 一种软件推广作弊的检测方法、装置及系统 |
CN106651418A (zh) * | 2015-11-03 | 2017-05-10 | 北京京东尚科信息技术有限公司 | 针对电商满减活动的凑单商品推荐的方法 |
CN106649433A (zh) * | 2016-09-05 | 2017-05-10 | 东南大学 | 基于观点语句可信度的话题观点强度计算方法 |
CN107133835A (zh) * | 2016-02-29 | 2017-09-05 | 阿里巴巴集团控股有限公司 | 一种分析商品质量的方法及装置 |
CN107577759A (zh) * | 2017-09-01 | 2018-01-12 | 安徽广播电视大学 | 用户评论自动推荐方法 |
CN107645559A (zh) * | 2017-09-30 | 2018-01-30 | 广东美的制冷设备有限公司 | 家电信息推送方法、服务器、移动终端及存储介质 |
CN107798012A (zh) * | 2016-09-05 | 2018-03-13 | 腾讯科技(深圳)有限公司 | 阅读资源评论推送方法和系统 |
CN107870990A (zh) * | 2017-10-17 | 2018-04-03 | 北京德塔精要信息技术有限公司 | 一种汽车推荐方法及装置 |
WO2018068648A1 (zh) * | 2016-10-11 | 2018-04-19 | 阿里巴巴集团控股有限公司 | 一种信息匹配方法及相关装置 |
CN107948263A (zh) * | 2017-11-15 | 2018-04-20 | 福建中金在线信息科技有限公司 | 一种理财产品的信息推送方法及其相关设备 |
CN107977865A (zh) * | 2017-12-07 | 2018-05-01 | 畅捷通信息技术股份有限公司 | 广告推送方法、装置、计算机设备和可读存储介质 |
CN108038725A (zh) * | 2017-12-04 | 2018-05-15 | 中国计量大学 | 一种基于机器学习的电商产品客户满意度分析方法 |
CN108230085A (zh) * | 2017-11-27 | 2018-06-29 | 重庆邮电大学 | 一种基于用户评论的商品评价系统及方法 |
CN108255808A (zh) * | 2017-12-29 | 2018-07-06 | 东软集团股份有限公司 | 文本划分的方法、装置和存储介质以及电子设备 |
CN108388624A (zh) * | 2018-02-12 | 2018-08-10 | 科大讯飞股份有限公司 | 多媒体信息推荐方法及装置 |
CN108475388A (zh) * | 2015-12-31 | 2018-08-31 | 电子湾有限公司 | 用于识别靠前属性的用户界面 |
CN108874874A (zh) * | 2018-04-27 | 2018-11-23 | 合肥工业大学 | 产品市场定位方法和系统、存储介质 |
CN109447767A (zh) * | 2018-11-26 | 2019-03-08 | 重庆电子工程职业学院 | 一种应用于电子商务的商品评价方法及系统 |
CN110019783A (zh) * | 2017-09-27 | 2019-07-16 | 北京国双科技有限公司 | 属性词聚类方法及装置 |
CN110472108A (zh) * | 2019-06-05 | 2019-11-19 | 东华大学 | 基于文本描述匹配的服装面料样品检索方法 |
CN110738056A (zh) * | 2018-07-03 | 2020-01-31 | 百度在线网络技术(北京)有限公司 | 用于生成信息的方法和装置 |
CN110807583A (zh) * | 2019-10-30 | 2020-02-18 | 天津大学 | 基于rbac可配置的erp角色权限检定系统和方法 |
CN111144997A (zh) * | 2019-12-31 | 2020-05-12 | 大连民族大学 | 一种基于网页分析的产品链接推荐系统、计算机设备及存储介质 |
CN111476632A (zh) * | 2020-03-31 | 2020-07-31 | 北京三快在线科技有限公司 | 显示资源的方法、装置、电子设备及可读存储介质 |
CN113570428A (zh) * | 2021-07-23 | 2021-10-29 | 上海普洛斯普新数字科技有限公司 | 一种用于线上商品一致性筛选的系统 |
CN109299457B (zh) * | 2018-09-06 | 2023-04-28 | 北京奇艺世纪科技有限公司 | 一种观点挖掘方法、装置及设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254028A (zh) * | 2011-07-22 | 2011-11-23 | 青岛理工大学 | 一种集成属性和结构相似性的个性化商品推荐方法和系统 |
US20130080208A1 (en) * | 2011-09-23 | 2013-03-28 | Fujitsu Limited | User-Centric Opinion Analysis for Customer Relationship Management |
-
2014
- 2014-01-16 CN CN201410020517.7A patent/CN103778214B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254028A (zh) * | 2011-07-22 | 2011-11-23 | 青岛理工大学 | 一种集成属性和结构相似性的个性化商品推荐方法和系统 |
US20130080208A1 (en) * | 2011-09-23 | 2013-03-28 | Fujitsu Limited | User-Centric Opinion Analysis for Customer Relationship Management |
Non-Patent Citations (1)
Title |
---|
张铎: "基于评论分析的商品推荐系统研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (53)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268160A (zh) * | 2014-09-05 | 2015-01-07 | 北京理工大学 | 一种基于领域词典和语义角色的评价对象抽取方法 |
CN104268160B (zh) * | 2014-09-05 | 2017-06-06 | 北京理工大学 | 一种基于领域词典和语义角色的评价对象抽取方法 |
CN104281665A (zh) * | 2014-09-25 | 2015-01-14 | 北京百度网讯科技有限公司 | 一种用于确定评论的有效性的方法与装置 |
CN104281665B (zh) * | 2014-09-25 | 2018-05-25 | 北京百度网讯科技有限公司 | 一种用于确定评论的有效性的方法与装置 |
CN105630793A (zh) * | 2014-10-28 | 2016-06-01 | 阿里巴巴集团控股有限公司 | 信息权重的确定方法和装置 |
CN104462480B (zh) * | 2014-12-18 | 2017-11-10 | 刘耀强 | 基于典型性的评论大数据挖掘方法 |
CN104462480A (zh) * | 2014-12-18 | 2015-03-25 | 刘耀强 | 基于典型性的评论大数据挖掘方法 |
CN105869001A (zh) * | 2015-01-19 | 2016-08-17 | 苏宁云商集团股份有限公司 | 个性化商品推荐引流方法和系统 |
CN104731923A (zh) * | 2015-03-26 | 2015-06-24 | 无锡中科泛在信息技术研发中心有限公司 | 互联网商品评论挖掘本体词库的构建方法 |
CN104766224B (zh) * | 2015-04-09 | 2018-07-03 | 网易传媒科技(北京)有限公司 | 一种购物评价显示方法及系统 |
CN104766224A (zh) * | 2015-04-09 | 2015-07-08 | 网易传媒科技(北京)有限公司 | 一种购物评价显示方法及系统 |
CN105046523A (zh) * | 2015-06-29 | 2015-11-11 | 成都亿邻通科技有限公司 | 一种提升评价信誉度的方法 |
CN105069647A (zh) * | 2015-07-30 | 2015-11-18 | 齐鲁工业大学 | 一种改进的抽取中文商品评论中评价对象的方法 |
CN106485507A (zh) * | 2015-09-01 | 2017-03-08 | 阿里巴巴集团控股有限公司 | 一种软件推广作弊的检测方法、装置及系统 |
CN106485507B (zh) * | 2015-09-01 | 2019-10-18 | 阿里巴巴集团控股有限公司 | 一种软件推广作弊的检测方法、装置及系统 |
CN105260899A (zh) * | 2015-10-27 | 2016-01-20 | 清华大学深圳研究生院 | 一种电商主体可信度评价方法及系统 |
CN106651418A (zh) * | 2015-11-03 | 2017-05-10 | 北京京东尚科信息技术有限公司 | 针对电商满减活动的凑单商品推荐的方法 |
CN108475388A (zh) * | 2015-12-31 | 2018-08-31 | 电子湾有限公司 | 用于识别靠前属性的用户界面 |
US11544776B2 (en) | 2015-12-31 | 2023-01-03 | Ebay Inc. | System, method, and media for identifying top attributes |
CN107133835A (zh) * | 2016-02-29 | 2017-09-05 | 阿里巴巴集团控股有限公司 | 一种分析商品质量的方法及装置 |
CN106202216A (zh) * | 2016-03-23 | 2016-12-07 | 四川长虹电器股份有限公司 | 一种数据处理方法及数据处理系统 |
CN106021433B (zh) * | 2016-05-16 | 2019-05-10 | 北京百分点信息科技有限公司 | 一种商品评论数据的口碑分析方法和装置 |
CN106021433A (zh) * | 2016-05-16 | 2016-10-12 | 北京百分点信息科技有限公司 | 一种商品评论数据的口碑分析方法和装置 |
CN106250365A (zh) * | 2016-07-21 | 2016-12-21 | 成都德迈安科技有限公司 | 基于文本分析的消费者评论中商品属性特征词的提取方法 |
CN106649433B (zh) * | 2016-09-05 | 2020-08-11 | 东南大学 | 基于观点语句可信度的话题观点强度计算方法 |
CN107798012A (zh) * | 2016-09-05 | 2018-03-13 | 腾讯科技(深圳)有限公司 | 阅读资源评论推送方法和系统 |
CN106649433A (zh) * | 2016-09-05 | 2017-05-10 | 东南大学 | 基于观点语句可信度的话题观点强度计算方法 |
CN107798012B (zh) * | 2016-09-05 | 2021-12-14 | 腾讯科技(深圳)有限公司 | 阅读资源评论推送方法和系统 |
WO2018068648A1 (zh) * | 2016-10-11 | 2018-04-19 | 阿里巴巴集团控股有限公司 | 一种信息匹配方法及相关装置 |
CN107577759A (zh) * | 2017-09-01 | 2018-01-12 | 安徽广播电视大学 | 用户评论自动推荐方法 |
CN107577759B (zh) * | 2017-09-01 | 2021-07-30 | 安徽广播电视大学 | 用户评论自动推荐方法 |
CN110019783B (zh) * | 2017-09-27 | 2021-01-22 | 北京国双科技有限公司 | 属性词聚类方法及装置 |
CN110019783A (zh) * | 2017-09-27 | 2019-07-16 | 北京国双科技有限公司 | 属性词聚类方法及装置 |
CN107645559A (zh) * | 2017-09-30 | 2018-01-30 | 广东美的制冷设备有限公司 | 家电信息推送方法、服务器、移动终端及存储介质 |
CN107870990A (zh) * | 2017-10-17 | 2018-04-03 | 北京德塔精要信息技术有限公司 | 一种汽车推荐方法及装置 |
CN107948263A (zh) * | 2017-11-15 | 2018-04-20 | 福建中金在线信息科技有限公司 | 一种理财产品的信息推送方法及其相关设备 |
CN108230085A (zh) * | 2017-11-27 | 2018-06-29 | 重庆邮电大学 | 一种基于用户评论的商品评价系统及方法 |
CN108038725A (zh) * | 2017-12-04 | 2018-05-15 | 中国计量大学 | 一种基于机器学习的电商产品客户满意度分析方法 |
CN107977865A (zh) * | 2017-12-07 | 2018-05-01 | 畅捷通信息技术股份有限公司 | 广告推送方法、装置、计算机设备和可读存储介质 |
CN108255808A (zh) * | 2017-12-29 | 2018-07-06 | 东软集团股份有限公司 | 文本划分的方法、装置和存储介质以及电子设备 |
CN108388624A (zh) * | 2018-02-12 | 2018-08-10 | 科大讯飞股份有限公司 | 多媒体信息推荐方法及装置 |
CN108874874A (zh) * | 2018-04-27 | 2018-11-23 | 合肥工业大学 | 产品市场定位方法和系统、存储介质 |
CN110738056A (zh) * | 2018-07-03 | 2020-01-31 | 百度在线网络技术(北京)有限公司 | 用于生成信息的方法和装置 |
CN110738056B (zh) * | 2018-07-03 | 2023-12-19 | 百度在线网络技术(北京)有限公司 | 用于生成信息的方法和装置 |
CN109299457B (zh) * | 2018-09-06 | 2023-04-28 | 北京奇艺世纪科技有限公司 | 一种观点挖掘方法、装置及设备 |
CN109447767A (zh) * | 2018-11-26 | 2019-03-08 | 重庆电子工程职业学院 | 一种应用于电子商务的商品评价方法及系统 |
CN110472108A (zh) * | 2019-06-05 | 2019-11-19 | 东华大学 | 基于文本描述匹配的服装面料样品检索方法 |
CN110472108B (zh) * | 2019-06-05 | 2023-08-29 | 东华大学 | 基于文本描述匹配的服装面料样品检索方法 |
CN110807583A (zh) * | 2019-10-30 | 2020-02-18 | 天津大学 | 基于rbac可配置的erp角色权限检定系统和方法 |
CN111144997A (zh) * | 2019-12-31 | 2020-05-12 | 大连民族大学 | 一种基于网页分析的产品链接推荐系统、计算机设备及存储介质 |
CN111476632A (zh) * | 2020-03-31 | 2020-07-31 | 北京三快在线科技有限公司 | 显示资源的方法、装置、电子设备及可读存储介质 |
CN113570428A (zh) * | 2021-07-23 | 2021-10-29 | 上海普洛斯普新数字科技有限公司 | 一种用于线上商品一致性筛选的系统 |
CN113570428B (zh) * | 2021-07-23 | 2024-02-02 | 上海普洛斯普新数字科技有限公司 | 一种用于线上商品一致性筛选的系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103778214B (zh) | 2017-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103778214A (zh) | 一种基于用户评论的商品属性聚类方法 | |
CN110222272B (zh) | 一种潜在客户挖掘与推荐方法 | |
US10282737B2 (en) | Analyzing sentiment in product reviews | |
Zhao et al. | Connecting social media to e-commerce: Cold-start product recommendation using microblogging information | |
US11157926B2 (en) | Digital content prioritization to accelerate hyper-targeting | |
TWI615724B (zh) | 基於電子資訊的關鍵字提取的資訊推送、搜尋方法及裝置 | |
CN106022800A (zh) | 一种用户特征数据的处理方法和装置 | |
XingFen et al. | Research on user consumption behavior prediction based on improved XGBoost algorithm | |
CN103886074A (zh) | 基于社交媒体的商品推荐系统 | |
CN103838789A (zh) | 一种文本相似度计算方法 | |
CN104239331A (zh) | 一种用于实现评论搜索引擎排序的方法和装置 | |
CN101833560A (zh) | 基于互联网的厂商口碑自动排序系统 | |
Priyanka et al. | Personalised book recommendation system based on opinion mining technique | |
Alkalbani et al. | Sentiment analysis and classification for software as a service reviews | |
TW201638847A (zh) | 智慧型網路行銷分析及判斷方法 | |
KR20220000485A (ko) | 온라인 쇼핑몰 후기 데이터를 이용한 사용자 추론 및 감성 분석 시스템 및 방법 | |
CN109118243B (zh) | 一种产品分享、有用评价识别、推送方法和服务器 | |
Soliman et al. | Utilizing support vector machines in mining online customer reviews | |
CN107291686B (zh) | 情感标识的辨识方法和情感标识的辨识系统 | |
CN108460049A (zh) | 一种确定信息类别的方法和系统 | |
Suryana et al. | Dynamic convolutional neural network for eliminating item sparse data on recommender system. | |
Wase et al. | Sentiment analysis of product review | |
Arote Rutuja et al. | Online shopping with sentimental analysis for furniture shop | |
Tahira et al. | Based Recommender System for Hedonic and Utilitarian Products in IoT Framework | |
CN113807092A (zh) | 一种基于lda主题模型的卷烟品牌在线评论分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170801 Termination date: 20200116 |