CN109753651A

CN109753651A - 一种针对体现用户意图的app软件用户评论挖掘方法

Info

Publication number: CN109753651A
Application number: CN201811531666.4A
Authority: CN
Inventors: 姜瑛; 胡甜媛; 丁家满; 李凌宇; 汪海涛
Original assignee: Kunming University of Science and Technology
Current assignee: Kunming University of Science and Technology
Priority date: 2018-12-14
Filing date: 2018-12-14
Publication date: 2019-05-14
Anticipated expiration: 2038-12-14
Also published as: CN109753651B

Abstract

本发明涉及一种针对体现用户意图的APP软件用户评论挖掘方法，属于APP软件用户意图分析领域。本发明首先定义评价对象和评价观点的抽取规则，在抽取用户评论的评价对象和评价观点的基础上初始化评论种子，应用评论种子挖掘与之相同或相似的体现相同用户意图类别的用户评论；然后通过能愿动词、软件简介和情感分析挖掘出与评论种子匹配失败的用户评论中的体现用户意图的用户评论，并构建候选评论模式库；最后，针对每次循环挖掘过程中构建的候选评论模式库抽取具有代表性的新评论种子，用于下一次的循环挖掘，实现体现用户意图的用户评论的循环挖掘，直到体现用户意图的用户评论的挖掘效果收敛。

Description

一种针对体现用户意图的APP软件用户评论挖掘方法

技术领域

本发明涉及一种针对体现用户意图的APP软件用户评论挖掘方法，属于APP软件用户意图分析领域。

背景技术

随着智能终端的广泛应用，APP软件发展迅速。APP软件的特点是开发周期短，更新速度快，同类别产品竞争激烈。在日益激烈的市场竞争中，用户驱动的软件演化更具有实际意义。APP软件的在线用户评论凭借覆盖用户广泛、内容丰富、时效性强等优势，成为软件的用户意图获取的重要资源。例如，Grano等人为了根据软件维护和进化类别对用户评论进行分类，将用户意图主要划分为信息给予、信息搜索、特征请求和问题发现这4个类别；Guzman等人将APP软件用户评论划分为缺陷报告、功能优点、功能缺点、用户请求、表扬、抱怨和使用场景这7个类别；崔建苓等人基于用户评论对潜在软件需求类型分类汇总，如改进需求(待改进特征)、新增需求(建议意见)和缺陷修改需求(系统异常)。基于APP软件的用户评论挖掘可以帮助获取有价值的用户意图信息，分析用户在使用软件的过程中的使用感受及用户所关注的软件特征，并帮助软件开发者站在用户的视角有目的的维护和改进软件，最终辅助软件开发者提高软件产品的竞争力。如何针对用户评论数据规模大、更新快等特点，准确高效地获取有建设性的APP软件用户意图，充分挖掘软件用户评论中的有价值的信息是当前亟需解决的问题。

发明内容

针对现有技术存在的不足，本发明提供了一种针对体现用户意图的APP软件用户评论挖掘方法。

本发明的技术方案是：一种针对体现用户意图的APP软件用户评论挖掘方法，所述方法的具体步骤如下：Step1、初始化数据：评论种子库中有s个评论种子seed，评论库中有c条分词后的用户评论comment，time＝1，m＝1；其中，time表示循环次数，m表示参与循环挖掘的第m条用户评论，seed＝<seed₁,…,seed_i,…,seed_s>，1≤i≤s；seed_i＝<seed_word_i1+…+seed_word_ij+…+seed_word_ip，seed_speech_i1+…+seed_speech_ij+…+seed_speech_ip，weight_i1+…+weight_ij+…+weight_ip，seed_dis_i，seed_intention_type_i>，1≤j≤p，seed_word_ij代表评论种子seed_i中的第j个词，seed_speech_ij代表评论种子seed_i中第j个词的词性，weight_ij代表评论种子seed_i中的第j个词或其词性对应的权重，使用公式(1)计算weight_ij，p代表评论种子seed_i中划分的词/词性的数量，seed_dis_i为评论种子seed_i的距离，其值为评价对象和评价观点之间可扩展的最大距离和p之和，seed_intention_type_i表示评论种子seed_i体现的用户意图类别，用户意图被分为如下3类：软件满足的需求，软件存在的问题，软件未达到的期望；式(1)中，numObjectOpinion代表该评论种子的评价对象和评价观点的总个数，评价对象就是观点持有者表达情感的目标实体，通常由一个或多个单词组成，评价观点指的是能够表达用户自身观点的带有情感倾向的词语，是判定用户对评价对象情感的根本依据；Step2、判断评论库中是否存在待挖掘的用户评论：判断m是否小于等于c：如果是，则取出一条未与评论种子匹配成功的用户评论comment_m，抽取comment_m的评论模式mode_m，接着执行Step3；否则，执行Step7；其中，评论模式mode_m＝<mode_word_m1+…+mode_word_mn+…+mode_word_mq，mode_speech_m1+…+mode_speech_mn+…+mode_speech_mq，mode_weight_m1+…+mode_weight_mn+…+mode_weight_mq，mode_intention_type_m>，1≤n≤q；mode_word_mn代表用户评论comment_m中的第n个词，mode_speech_mn代表用户评论comment_m中第n个词的词性，mode_weight_mn代表用户评论comment_m中第n个词或其词性对应的权重，使用公式(1)计算mode_weight_mn，q代表用户评论comment_m中划分的词/词性的数量，mode_intention_type_m代表用户评论comment_m体现的用户意图类别，此时未对评论comment_m进行用户意图类别判断，其值为unknown；Step3、应用评论种子判断comment_m是否体现用户意图：判断用户评论comment_m是否与评论种子seed_g匹配：如果是，mode_intention_type_m＝seed_intention_type_i，则执行Step6；否则，执行Step4；其中，1≤g≤s；Step4、应用能愿动词判断comment_m是否体现用户意图：Step4.1、判断用户评论comment_m是否包含能愿动词：如果是，则执行Step4.2；否则，执行Step5；Step4.2、mode_intention_type_m＝软件未达到的期望，执行Step4.3；Step4.3、mode_m进入候选评论模式库，执行Step6；Step5、应用软件简介和情感分析判断comment_m是否体现用户意图：Step5.1、提取comment_m对应的APP软件appName_m的APP软件简介中的名词和动词系列的相关词作为软件特征词，构建软件特征词集合F＝{f₁,…,f_x,…,f_y}(1≤x≤y)，执行Step5.2；Step5.2、判断comment_m是否包含特征词f_x：如果包含，则执行Step5.3；否则，执行Step5.6；Step5.3、抽取comment_m的评价观点opinion_m，计算opinion_m的情感值sentiment_value_m，执行Step5.4；Step5.4、判断sentiment_value_m是否大于或等于0：如果是，则mode_intention_type_m＝软件满足的需求，comment_m体现用户意图，执行Step5.5；否则，则mode_intention_type_m＝软件存在的问题，comment_m体现用户意图，执行Step5.5；Step5.5、mode_m进入候选评论模式库，执行Step6；Step5.6、mode_intention_type_m＝null，comment_m不体现用户意图，执行Step6；Step6、给出comment_m判断结果：<comment_m，mode_intention_type_m>，m++，执行Step2；Step7、应用候选评论模式抽取新评论种子，执行Step8；Step8、判断体现用户意图的用户评论挖掘效果是否收敛：

针对第time次循环，计算新评论种子seed_i＇中的评价对象和评价观点的词及词性组合与已有评论种子seed_i中的评价对象和评价观点的词及词性组合之间的组合文本相似度seed_sim_i'i，统计组合文本相似度大于等于0.1的新评论种子数numNewSeed_time'，当numNewSeed_time'与该次循环产生新评论种子总数numNewSeed_time相同时，体现用户意图的用户评论挖掘效果收敛，体现用户意图的用户评论挖掘结束；否则，体现用户意图的用户评论挖掘效果未收敛，进行下一次循环挖掘，time++，m＝1，执行Step2；其中，i'指代新评论种子的标号。

所述Step3的具体步骤如下：

Step3.1、初始化数据：i＝1，执行Step3.2；Step3.2、判断i是否小于等于s：如果是，则提取一个未与comment_m匹配过的评论种子seed_i，执行Step3.3；否则，执行Step3.8；Step3.3、将comment_m的词“mode_word_m1+…+mode_word_mn+…+mode_word_mq”与seed_i的词“seed_word_i1+…+seed_word_ij+…+seed_word_ip”进行匹配，计算comment_m与seed_i的词匹配值word_match_mi：Step3.3.1、初始化数据：词匹配成功位置集合pos_word为空，seed_i的全部词匹配标记word_flag_ij为0，j＝1，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：如果是，则执行Step3.3.3；否则，执行Step3.3.6；Step3.3.3、初始化n＝MAX{0,pos_word中最大值}+1，MAX表示计算集合中元素的最大值，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：如果是，则执行Step3.3.5；否则，j++，执行Step3.3.2；Step3.3.5、判断seed_word_ij是否和mode_word_mn相同：如果是，则记录位置n到pos_word中，word_flag_ij为1，j++，执行Step3.3.2；否则，n++，执行Step3.3.4；Step3.3.6、使用公式(2)计算词匹配值word_match_mi：执行Step3.4；Step3.4、将comment_m的词性“mode_speech_m1+…+mode_speech_mn+…+mode_speech_mq”与seed_i的词性“seed_speech_i1+…+seed_speech_ij+…+seed_speech_ip”进行匹配，计算comment_m与seed_i的词性匹配值speech_match_mi：Step3.4.1、初始化数据：词匹配成功位置集合pos_speech为空，seed_i的全部词性匹配标记speech_flag_ij为0，j＝1，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：如果是，则执行Step3.4.3；否则，执行Step3.4.6；Step3.4.3、初始化n＝MAX{1,pos_word中第一个值,pos_speech中最大值+1}，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：如果是，则执行Step3.4.5；否则，j++，执行Step3.4.2；Step3.4.5、判断seed_speech_ij是否和mode_speech_mn相同：如果是，则记录位置n到pos_speech中，speech_flag_ij为1，j++，执行Step3.4.2；否则，n++，执行Step3.4.4；Step3.4.6、使用公式(3)计算词性匹配值speech_match_mi：执行Step3.5；Step3.5、计算comment_m与seed_i的综合匹配值both_match_mi：Step3.5.1、使用公式(4)计算comment_m和seed_i匹配成功的词之间的最大距离dis_word_mi：dis_word_mi＝MAX{pos_word}-MIN{pos_word}(4)；式(4)中，MIN表示计算集合中元素的最小值；执行Step3.5.2；Step3.5.2、使用公式(5)计算comment_m和seed_i匹配成功的词性之间的最大距离dis_speech_mi：dis_speech_mi＝MAX{pos_speech}-MIN{pos_speech}(5)；执行Step3.5.3；Step3.5.3、使用公式(6)计算comment_m和seed_i的综合匹配值both_match_mi：

执行Step3.6；Step3.6、判断both_match_mi是否等于1：如果是，则mode_intention_type_m＝seed_intention_type_i，comment_m与seed_i匹配成功，执行Step6；否则，执行Step3.7；Step3.7、i++，执行Step3.2；Step3.8、用户评论comment_m需要与所有评论种子依次进行匹配，最后抽取其与第g个评论种子的最大综合匹配值both_match_mg判断是否匹配成功，抽取最大综合匹配值如公式(7)所示：both_match_mg＝MAX{both_match_m1,…,both_match_mg,…,both_match_ms}(1≤g≤s)(7),执行Step3.9；Step3.9、判断both_match_mg是否大于0.5：如果是，则mode_intention_type_m＝seed_intention_type_i，comment_m与seed_g匹配成功，执行Step6；否则，comment_m与评论种子匹配失败，执行Step4。

所述Step7的具体步骤如下：

Step7.1、判断候选评论模式库中所有评论模式文本相似度是否计算完毕：如果是，则执行Step7.4；否则，执行Step7.2；Step7.2、抽取一条未计算文本相似度的评论模式mode_m，执行Step7.3；Step7.3、使用公式(8)计算mode_m与该用户意图类别中所有其他评论模式mode_m'的词文本相似度modeWord_sim_mm＇：modeWord_sim_mm＇＝1-dis_word_mm＇/max(len_word_m，len_word_m＇)(8)其中，modeWord_sim_mm＇表示mode_m和mode_m＇的词文本相似度，dis_word_mm＇表示mode_m和mode_m＇的词组合之间的距离，len_word_m和len_word_m＇分别为两个词组合中字符的长度；使用公式(9)计算mode_m和mode_m＇词性文本相似度modeSpeech_sim_mm＇：modeSpeech_sim_mm＇＝1-dis_speech_mm＇/max(len_speech_m，len_speech_m＇)(9)其中，modeSpeech_sim_mm＇表示mode_m和mode_m＇的词性文本相似度，dis_speech_mm＇表示mode_m和mode_m＇的词性组合之间的距离，len_speech_m和len_speech_m＇分别为两个词性组合中字符的长度；使用公式(10)计算mode_m和mode_m＇的综合文本相似度modeBoth_sim_mm＇：modeBoth_sim_mm＇＝0.5*modeWord_sim_mm＇+0.5*modeSpeech_sim_mm＇(10)使用公式(11)计算mode_m和mode_m＇的词文本相似度之和sum_modeWord_sim_m：sum_modeWord_sim_m＝SUM{modeWord_sim_mm＇}(m'！＝m)(11)式(11)中，SUM表示计算集合中元素之和；执行Step7.1；Step7.4、得到至多3个分别代表不同用户意图类别的词文本相似度之和最大的评论模式：mode_maxk(1≤k≤3)；抽取mode_maxk的评论种子seed_maxk，seed_maxk＝{seed_word_maxk1+…+seed_word_maxkj+…+seed_word_maxkp，seed_speech_maxk1+…+seed_speech_maxkj+…+seed_speech_maxkp，weight_maxk1+…+weight_maxkj+…+weight _maxkp，newseed_dis_maxk，seed_intention_type_maxk}；其中，newseed_dis_maxk为评论模式mode_maxk中词性为名词n、动词v、否定副词d和形容词a的词的数量，seed_intention_type_maxk为评论comment_newk体现的用户意图类别，执行Step7.5；Step7.5、更新seed_maxk距离属性：Step7.5.1、判断seed_maxk中不为空的评论种子的距离是否全部完成更新：如果是，则执行Step7.5.6；否则，执行Step7.5.2；Step7.5.2、抽取一个不为空的距离未完成更新的评论种子seed_maxk，选取与评论种子seed_maxk的评论模式mode_maxk的综合文本相似度大于0.35的所有评论模式mode_maxk＇，执行Step7.5.3；Step7.5.3、计算全部评论模式mode_maxk＇的关键词距离dis_maxk＇：其中，关键词为评论模式中词性为名词n、动词v、否定副词d和形容词a的词，关键词距离指的是评论模式中词性为名词n、动词v、否定副词d和形容词a的词的数量；执行Step7.5.4；Step7.5.4、使用公式(12)获取与mode_maxk综合文本相似度大于0.35的所有评论模式mode_maxk＇的dis_maxk＇中的最大值new_seed_dis_maxk：new_seed_dis_maxk＝MAX{dis_newk＇}(12)执行Step7.5.5；Step7.5.5、判断new_seed_dis_maxk是否大于seed_maxk的距离：如果是，则将seed_maxk的距离更新为new_seed_dis_maxk，执行Step7.5.1；否则，执行Step7.5.1；Step7.5.6、将seed_maxk中不为空的评论种子更新至评论种子库。

本发明的有益效果是：

(1)本发明定义评价对象和评价观点的抽取规则、评论模式和和评论种子，将用户评论与评论种子进行匹配，有助于从大量的APP软件用户评论中挖掘出体现用户意图的评论；(2)本发明通过能愿动词、软件简介和情感分析，从与评论种子匹配失败的评论中挖掘体现不同用户意图类别的用户评论，并构建候选评论模式库；(3)本发明通过基于候选评论模式库抽取新的评论种子，有助于进一步挖掘体现用户意图的用户评论。综上，本发明助于从大量的APP软件用户评论中挖掘出体现用户意图的用户评论；有助于获取APP软件用户评论中体现不同用户意图类别的信息；有助于分析APP软件的用户使用情况。

附图说明

图1是本发明的流程图；

图2是图1中步骤Step3的具体流程图；

图3是图2中步骤Step3.3计算词匹配值word_match_mi的具体流程图；

图4是图2中步骤Step3.4计算词性匹配值speech_match_mi的具体流程图；

图5是图1中步骤Step4的具体流程图；

图6是图1中步骤Step5的具体流程图；

图7图1中步骤Step7的具体流程图；

图8图7中步骤Step7.5的具体流程图。

具体实施方式

实施例1：如图1-8所示，一种针对体现用户意图的APP软件用户评论挖掘方法，首先定义评价对象和评价观点的抽取规则，在抽取用户评论的评价对象和评价观点的基础上初始化评论种子，应用评论种子挖掘与之相同或相似的体现相同用户意图类别的用户评论；然后通过能愿动词、软件简介和情感分析挖掘出与评论种子匹配失败的用户评论中的体现用户意图的用户评论，并构建候选评论模式库；最后，针对每次循环挖掘过程中构建的候选评论模式库抽取具有代表性的新评论种子，用于下一次的循环挖掘，实现体现用户意图的用户评论的循环挖掘，直到体现用户意图的用户评论的挖掘效果收敛。

进一步地，可以设置所述方法的具体步骤如下：

Step1、初始化数据：评论种子库中有s个评论种子seed，评论库中有c条分词后的用户评论comment，time＝1，m＝1；

其中，time表示循环次数，m表示参与循环挖掘的第m条用户评论，seed＝<seed₁,…,seed_i,…,seed_s>，1≤i≤s；seed_i＝<seed_word_i1+…+seed_word_ij+…+seed_word_ip，seed_speech_i1+…+seed_speech_ij+…+seed_speech_ip，weight_i1+…+weight_ij+…+weight_ip，seed_dis_i，seed_intention_type_i>，1≤j≤p，seed_word_ij代表评论种子seed_i中的第j个词，seed_speech_ij代表评论种子seed_i中第j个词的词性，weight_ij代表评论种子seed_i中的第j个词或其词性对应的权重，使用公式(1)计算weight_ij，p代表评论种子seed_i中划分的词/词性的数量，seed_dis_i为评论种子seed_i的距离，其值为评价对象和评价观点之间可扩展的最大距离和p之和，seed_intention_type_i表示评论种子seed_i体现的用户意图类别，用户意图被分为如下3类：软件满足的需求，软件存在的问题，软件未达到的期望；

(1)软件满足的需求：描述了用户在实际使用软件的过程中，软件的某些特征或软件整体使用户具有较好的使用体验。(2)软件存在的问题：描述了用户在实际使用软件的过程中，软件存在的问题，例如崩溃、错误或性能问题。(3)软件未达到的期望：表达了用户希望达到的功能(例如其他同类别软件提供的功能)，分享如何通过添加或更改特性来改进未来版本软件的想法。

式(1)中，numObjectOpinion代表该评论种子的评价对象和评价观点的总个数，评价对象就是观点持有者表达情感的目标实体，通常由一个或多个单词组成，评价观点指的是能够表达用户自身观点的带有情感倾向的词语，是判定用户对评价对象情感的根本依据；

Step2、判断评论库中是否存在待挖掘的用户评论：判断m是否小于等于c：如果是，则取出一条未与评论种子匹配成功的用户评论comment_m，抽取comment_m的评论模式mode_m，接着执行Step3；否则，执行Step7；其中，评论模式mode_m＝<mode_word_m1+…+mode_word_mn+…+mode_word_mq，mode_speech_m1+…+mode_speech_mn+…+mode_speech_mq，mode_weight_m1+…+mode_weight_mn+…+mode_weight_mq，mode_intention_type_m>，1≤n≤q；mode_word_mn代表用户评论comment_m中的第n个词，mode_speech_mn代表用户评论comment_m中第n个词的词性，mode_weight_mn代表用户评论comment_m中第n个词或其词性对应的权重，使用公式(1)计算mode_weight_mn，q代表用户评论comment_m中划分的词/词性的数量，mode_intention_type_m代表用户评论comment_m体现的用户意图类别，此时未对评论comment_m进行用户意图类别判断，其值为unknown；

Step3、应用评论种子判断comment_m是否体现用户意图：判断用户评论comment_m是否与评论种子seed_g匹配：如果是，mode_intention_type_m＝seed_intention_type_i，则执行Step6；否则，执行Step4；其中，1≤g≤s；

Step4、应用能愿动词判断comment_m是否体现用户意图：

Step4.1、判断用户评论comment_m是否包含能愿动词：如果是，则执行Step4.2；否则，执行Step5；

其中，本发明专利使用的用于判断用户评论是否体现用户意图的能愿动词如下：“应该、应当、须得、必得、乐意、愿、愿意、情愿、想、想要、要、要想、希望、企图、好意思、乐得、高兴、乐于、敢于、勇于、甘于、苦于、懒得、便于、有助于、难于、易于、善于、适于、宜于”。

Step4.2、mode_intention_type_m＝软件未达到的期望，执行Step4.3；

Step4.3、mode_m进入候选评论模式库，执行Step6；

Step5、应用软件简介和情感分析判断comment_m是否体现用户意图：

Step5.1、提取comment_m对应的APP软件appName_m的APP软件简介中的名词和动词系列的相关词作为软件特征词，构建软件特征词集合F＝{f₁,…,f_x,…,f_y}(1≤x≤y)，执行Step5.2；

Step5.2、判断comment_m是否包含特征词f_x：如果包含，则执行Step5.3；否则，执行Step5.6；

Step5.3、抽取comment_m的评价观点opinion_m，计算opinion_m的情感值sentiment_value_m，执行Step5.4；

Step5.4、判断sentiment_value_m是否大于或等于0：如果是，则mode_intention_type_m＝软件满足的需求，comment_m体现用户意图，执行Step5.5；否则，则mode_intention_type_m＝软件存在的问题，comment_m体现用户意图，执行Step5.5；

Step5.5、mode_m进入候选评论模式库，执行Step6；

Step5.6、mode_intention_type_m＝null，comment_m不体现用户意图，执行Step6；

Step6、给出comment_m判断结果：<comment_m，mode_intention_type_m>，m++，执行Step2；

Step7、应用候选评论模式抽取新评论种子，执行Step8；

Step8、判断体现用户意图的用户评论挖掘效果是否收敛：

实施例2：如图1-8所示，一种针对体现用户意图的APP软件用户评论挖掘方法，具体步骤如下：

Step1、初始化数据：评论种子库中有1个(s＝1)评论种子seed，评论库中有6条(c＝6)分词后的用户评论comment，time＝1，m＝1；其中用户评论如表1所示：

表1 APP软件用户评论表

在评论种子库中初始化一条评论种子seed₁：seed₁＝<不错+软件,a+n,0.5+0.5,5,软件满足的需求>；初始化评论种子时，评价对象和评价观点抽取规则如下：评价对象就是观点持有者表达情感的目标实体，通常由一个或多个单词组成。主要针对名词、动词、及其组合形式建立评价对象词性组合规则以抽取评价对象，抽取规则如表2所示：

表2评价对象抽取规则

其中，v表示动词、vi表示不及物动词、vn表示动名词、a表示形容词、n表示名词。

评价观点指的是能够表达用户自身观点的带有情感倾向的词语，是判定用户对评价对象情感的根本依据。针对形容词、动词、否定副词及其组合形式建立评价观点词性规则以抽取评价观点，抽取规则如表3所示：

表3评价观点抽取规则

其中，an表示名形词，al表示形容词性惯用语、vg动词性语素、ag形容词性语素、ng名词性语素、y表示语气词。

表3涉及否定副词的概念，本发明专利使用的否定副词如下：“不、非、匪、弗、否、靡、蔑、莫、末、蒯、微、未、无、毋、勿、别、没、休、白、空、徒、枉”。针对评价对象和评价观点定义了不同的词性组合的优先级，在使用不同抽取规则进行评价对象和评价观点的抽取过程中，通过优先级体现词性组合的优先程度，优先级越高，词性组合的优先程度越高。

Step2、判断评论库中是否存在待挖掘的用户评论：判断m是否小于等于c：1<6，取出一条与未与评论种子匹配成功的用户评论comment₁，抽取comment₁的评论模式mode₁＝<非常+不错+软件,d+a+n,0.0+0.5+0.5,unknown>，执行Step3；Step3、应用评论种子判断comment₁是否体现用户意图：Step3.1、初始化数据：i＝1，执行Step3.2；Step3.2、判断i是否小于等于s：1＝1，提取一个未与comment₁匹配过的评论种子seed₁，执行Step3.3；Step3.3、将comment₁的词“mode_word₁₁+mode_word₁₂+mode_word₁₃”与seed₁的词“seed_word₁₁+seed_word₁₂”进行匹配，计算comment₁与seed₁的词匹配值word_match₁₁：Step3.3.1、初始化数据：词匹配成功位置集合pos_word为空，seed₁的全部词匹配标记word_flag_1j(1<＝j<＝2)为0，j＝1，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：1<2，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<3，执行Step3.3.5；Step3.3.5、seed_word₁₁：“不错”和mode_word₁₁：“非常”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<3，执行Step3.3.5；Step3.3.5、seed_word₁₁：“不错”和mode_word₁₂：“不错”相同，记录位置2到pos_word中，word_flag₁₁为1，j＝2，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：2＝2，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0,2}+1＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3＝3，执行Step3.3.5；Step3.3.5、seed_word₁₂：“软件”和mode_word₁₃：“软件”相同，记录位置3到pos_word中，word_flag₁₂为1，j＝3，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：3>2，执行Step3.3.6；Step3.3.6、使用公式(2)计算词匹配值word_match₁₁：word_match₁₁＝word_flag₁₁*weight₁₁+word_flag₁₂*weight₁₂＝1*0.5+1*0.5＝1执行Step3.4；Step3.4、将comment₁的词性“mode_speech₁₁+mode_speech₁₂+mode_speech₁₃”与seed₁的词性“seed_speech₁₁+seed_speech₁₂”进行匹配，计算comment₁与seed₁的词性匹配值speech_match₁₁：Step3.4.1、初始化数据：词匹配成功位置集合pos_speech为空，seed₁的全部词性匹配标记speech_flag_1j(1<＝j<＝2)为0，j＝1，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：1<2，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,2,1}＝2，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<3，执行Step3.4.5；Step3.4.5、seed_speech₁₁：“a”和mode_speech₁₂：“a”相同，记录位置2到pos_speech中，speech_flag₁₁为1，j＝2，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：2＝2，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,2,3}＝3，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：3＝3，执行Step3.4.5；Step3.4.5、seed_speech₁₂：“n”和mode_speech₁₃：“n”相同，记录位置3到pos_speech中，speech_flag₁₂为1，j＝3，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：3>2，执行Step3.4.6；Step3.4.6、使用公式(3)计算词性匹配值speech_match₁₁：speech_match₁₁＝speech_flag₁₁*weight₁₁+speech_flag₁₂*weight₁₂＝1*0.5+1*0.5＝1；执行Step3.5；Step3.5、计算comment₁与seed₁的综合匹配值both_match₁₁：Step3.5.1、使用公式(4)计算comment₁和seed₁匹配成功的词之间的最大距离dis_word₁₁：dis_word₁₁＝MAX{2,3}-MIN{2,3}＝3-2＝1；执行Step3.5.2；Step3.5.2、使用公式(5)计算comment₁和seed₁匹配成功的词性之间的最大距离dis_speech₁₁：dis_speech₁₁＝MAX{2,3}-MIN{2,3}＝3-2＝1；执行Step3.5.3；Step3.5.3、使用公式(6)计算comment₁和seed₁的综合匹配值both_match₁₁：both_match₁₁＝0.5*1+0.5*1＝1；执行Step3.6；Step3.6、判断both_match_mi是否等于1：both_match₁₁＝1，mode_intention_type₁＝软件满足的需求，comment₁与seed₁匹配成功，执行Step6；Step6、给出comment₁判断结果：<comment₁，软件满足的需求>，m＝2，执行Step2；第1条评论判断完毕，m＝2，从第2条评论开始执行，执行Step2；

Step2、判断评论库中是否存在待挖掘的用户评论：判断m是否小于等于c：2<6，取出一条与未与评论种子匹配成功的用户评论comment₂，抽取comment₂的评论模式mode₂＝<希望+能+抢+红包,v+v+v+n,0.25+0.25+0.25+0.25,unknown>，执行Step3；Step3、应用评论种子判断comment₂是否体现用户意图：Step3.1、初始化数据：i＝1，执行Step3.2；Step3.2、判断i是否小于等于s：1＝1，提取一个未与comment₂匹配过的评论种子seed₁，执行Step3.3；Step3.3、将comment₂的词“mode_word₂₁+mode_word₂₂+mode_word₂₃+mode_word₂₄”与与seed₁的词“seed_word₁₁+seed_word₁₂”进行匹配，计算comment₂与seed₁的词匹配值word_match₂₁：Step3.3.1、初始化数据：词匹配成功位置集合pos_word为空，seed₁的全部词匹配标记word_flag_1j为0，j＝1，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：1<2，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<4，执行Step3.3.5；Step3.3.5、seed_word₁₁：“不错”和mode_word₂₁：“希望”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<4，执行Step3.3.5；Step3.3.5、seed_word₁₁：“不错”和mode_word₂₂：“能”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<4，执行Step3.3.5；Step3.3.5、seed_word₁₁：“不错”和mode_word₂₃：“抢”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4＝4，执行Step3.3.5；Step3.3.5、seed_word₁₁：“不错”和mode_word₂₄：“红包”不相同，n＝5，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：5>4，j＝2，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：2＝2，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<4，执行Step3.3.5；Step3.3.5、seed_word₁₂：“软件”和mode_word₂₁：“希望”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<4，执行Step3.3.5；Step3.3.5、seed_word₁₂：“软件”和mode_word₂₂：“能”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<4，执行Step3.3.5；Step3.3.5、seed_word₁₂：“软件”和mode_word₂₃：“抢”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4＝4，执行Step3.3.5；Step3.3.5、seed_word₁₂：“软件”和mode_word₂₄：“红包”不相同，n＝5，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：5>4，j＝3，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：3>2，执行Step3.3.6；Step3.3.6、使用公式(2)计算词匹配值word_match₂₁：word_match₂₁＝word_flag₁₁*weight₁₁+word_flag₁₂*weight₁₂＝0*0.5+0*0.5＝0；执行Step3.4；Step3.4、将comment₂的词性“mode_speech₂₁+mode_speech₂₂+mode_speech₂₃+mode_speech₂₄”与seed₁的词性“seed_speech₁₁+seed_speech₁₂”进行匹配，计算comment₂与seed₁的词性匹配值speech_match₂₁：Step3.4.1、初始化数据：词匹配成功位置集合pos_speech为空，seed₁的全部词性匹配标记speech_flag_1j为0，j＝1，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：1<2，则执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1}＝1，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：1<4，执行Step3.4.5；Step3.4.5、seed_speech₁₁：“a”和mode_speech₂₁：“v”不相同，n＝2，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<4，执行Step3.4.5；Step3.4.5、seed_speech₁₁：“a”和mode_speech₂₂：“v”不相同，n＝3，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：3<4，执行Step3.4.5；Step3.4.5、seed_speech₁₁：“a”和mode_speech₂₃：“v”不相同，n＝4，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：4＝4，执行Step3.4.5；Step3.4.5、seed_speech₁₁：“a”和mode_speech₂₄：“n”不相同，n＝5，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：5>4，j＝2，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：2＝2，则执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1}＝1，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：1<4，执行Step3.4.5；Step3.4.5、seed_speech₁₂：“n”和mode_speech₂₁：“v”不相同，n＝2，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<4，执行Step3.4.5；Step3.4.5、seed_speech₁₂：“n”和mode_speech₂₂：“v”不相同，n＝3，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：3<4，执行Step3.4.5；Step3.4.5、seed_speech₁₂：“n”和mode_speech₂₃：“v”不相同，n＝4，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：4＝4，执行Step3.4.5；Step3.4.5、seed_speech₁₂：“n”和mode_speech₂₄：“n”相同，记录位置4到pos_speech中，speech_flag₁₂为1，j＝3，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：3>2，执行Step3.4.6；Step3.4.6、使用公式(3)计算词性匹配值speech_match₂₁：speech_match₂₁＝speech_flag₁₁*weight₁₁+speech_flag₁₂*weight₁₂＝0*0.5+1*0.5＝0.5；执行Step3.5；Step3.5、计算comment₂与seed₁的综合匹配值both_match₂₁：Step3.5.1、使用公式(4)计算comment₂和seed₁匹配成功的词之间的最大距离dis_word₂₁：dis_word₂₁＝MAX{}-MIN{}＝0；执行Step3.5.2；Step3.5.2、使用公式(5)计算comment₂和seed₁匹配成功的词性之间的最大距离dis_speech₂₁：dis_speech₂₁＝MAX{4}-MIN{4}＝4-4＝0；执行Step3.5.3；Step3.5.3、使用公式(6)计算comment₂和seed₁的综合匹配值both_match₂₁：both_match₂₁＝0.5*0+0.5*0.5＝0.25；执行Step3.6；Step3.6、判断both_match_mi是否等于1：both_match₂₁＝0.25；执行Step3.7；Step3.7、i＝2；执行Step3.2；Step3.2、判断i是否小于等于s：2>1；执行Step3.8；Step3.8、用户评论comment₂与所有评论种子依次进行匹配，使用公式(7)获取comment₂与seed_g的最大综合匹配值both_match_2g：both_match₂₁＝MAX{0.25}＝0.25(g＝1)，执行Step3.9；Step3.9、判断both_match_2g是否大于0.5：0.25<0.5，comment₂与评论种子匹配失败，执行Step4；Step4、应用能愿动词判断comment₂是否体现用户意图：Step4.1、判断用户评论comment₂是否包含能愿动词：用户评论comment₂包含能愿动词“希望”，执行Step4.2；Step4.2、mode_intention_type₂＝软件未达到的期望，执行Step4.3；Step4.3、mode₂进入候选评论模式库，执行Step6；Step6、给出comment₂判断结果：<comment₂，软件未达到的期望>，m＝3，执行Step2；第2条评论判断完毕，m＝3，从第3条评论开始执行，执行Step2；

Step2、判断评论库中是否存在待挖掘的用户评论：判断m是否小于等于c：3<6，取出一条与未与评论种子匹配成功的用户评论comment₃，抽取comment₃的评论模式mode₃＝<希望+添加+抢+红包+功能,v+v+v+n+n,0.25+0.25+0.0+0.25+0.25,unknown>，执行Step3；Step3、应用评论种子判断comment₃是否体现用户意图：Step3.1、初始化数据：i＝1，执行Step3.2；Step3.2、判断i是否小于等于s：1＝1，提取一个未与comment₃匹配过的评论种子seed₁，执行Step3.3；Step3.3、将comment₃的词“mode_word₃₁+mode_word₃₂+mode_word₃₃+mode_word₃₄+mode_word₃₅”与与seed₁的词“seed_word₁₁+seed_word₁₂”进行匹配，计算comment₃与seed₁的词匹配值word_match₃₁：Step3.3.1、初始化数据：词匹配成功位置集合pos_word为空，seed₁的全部词匹配标记word_flag_1j为0，j＝1，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：1<2，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<5，执行Step3.3.5；Step3.3.5、seed_word₁₁：“不错”和mode_word₃₁：“希望”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<5，执行Step3.3.5；Step3.3.5、seed_word₁₁：“不错”和mode_word₃₂：“添加”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<5，执行Step3.3.5；Step3.3.5、seed_word₁₁：“不错”和mode_word₃₃：“抢”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4<5，执行Step3.3.5；Step3.3.5、seed_word₁₁：“不错”和mode_word₃₄：“红包”不相同，n＝5，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：5＝5，执行Step3.3.5；Step3.3.5、seed_word₁₁：“不错”和mode_word₃₅：“功能”不相同，n＝6，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：6>5，j＝2，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：2＝2，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<5，执行Step3.3.5；Step3.3.5、seed_word₁₂：“软件”和mode_word₃₁：“希望”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<5，执行Step3.3.5；Step3.3.5、seed_word₁₂：“软件”和mode_word₃₂：“添加”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<5，执行Step3.3.5；Step3.3.5、seed_word₁₂：“软件”和mode_word₃₃：“抢”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4<5，执行Step3.3.5；Step3.3.5、seed_word₁₂：“软件”和mode_word₃₄：“红包”不相同，n＝5，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：5＝5，执行Step3.3.5；Step3.3.5、seed_word₁₂：“软件”和mode_word₃₅：“功能”不相同，n＝6，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：6>5，j＝3，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：3>2，执行Step3.3.6；Step3.3.6、使用公式(2)计算词匹配值word_match₃₁：word_match₃₁＝word_flag₁₁*weight₁₁+word_flag₁₂*weight₁₂＝0*0.5+0*0.5＝0，执行Step3.4；Step3.4、将comment₃的词性“mode_speech₃₁+mode_speech₃₂+mode_speech₃₃+mode_speech₃₄+mode_speech₃₅”与seed₁的词性“seed_speech₁₁+seed_speech₁₂”进行匹配，计算comment₃与seed₁的词性匹配值speech_match₃₁：Step3.4.1、初始化数据：词匹配成功位置集合pos_speech为空，seed₁的全部词性匹配标记speech_flag_1j为0，j＝1，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：1<2，则执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1}＝1，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：1<4，执行Step3.4.5；Step3.4.5、seed_speech₁₁：“a”和mode_speech₃₁：“v”不相同，n＝2，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<5，执行Step3.4.5；Step3.4.5、seed_speech₁₁：“a”和mode_speech₃₂：“v”不相同，n＝3，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：3<5，执行Step3.4.5；Step3.4.5、seed_speech₁₁：“a”和mode_speech₃₃：“v”不相同，n＝4，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：4<5，执行Step3.4.5；Step3.4.5、seed_speech₁₁：“a”和mode_speech₃₄：“n”不相同，n＝5，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：5＝5，执行Step3.4.5；Step3.4.5、seed_speech₁₁：“a”和mode_speech₃₅：“n”不相同，n＝6，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：6>5，j＝2，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：2＝2，则执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1}＝1，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：1<5，执行Step3.4.5；Step3.4.5、seed_speech₁₂：“n”和mode_speech₃₁：“v”不相同，n＝2，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<5，执行Step3.4.5；Step3.4.5、seed_speech₁₂：“n”和mode_speech₃₂：“v”不相同，n＝3，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：3<5，执行Step3.4.5；Step3.4.5、seed_speech₁₂：“n”和mode_speech₃₃：“v”不相同，n＝4，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：4<5，执行Step3.4.5；Step3.4.5、seed_speech₁₂：“n”和mode_speech₃₄：“n”相同，记录位置4到pos_speech中，speech_flag₁₂为1，j＝3，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：3>2，执行Step3.4.6；Step3.4.6、使用公式(3)计算词性匹配值speech_match₃₁：speech_match₃₁＝speech_flag₁₁*weight₁₁+speech_flag₁₂*weight₁₂＝0*0.5+1*0.5＝0.5，执行Step3.5；Step3.5、计算comment₃与seed₁的综合匹配值both_match₃₁：Step3.5.1、使用公式(4)计算comment₃和seed₁匹配成功的词之间的最大距离dis_word₃₁：dis_word₃₁＝MAX{}-MIN{}＝0，执行Step3.5.2；Step3.5.2、使用公式(5)计算comment₃和seed₁匹配成功的词性之间的最大距离dis_speech₃₁：dis_speech₃₁＝MAX{4}-MIN{4}＝4-4＝0，执行Step3.5.3；Step3.5.3、使用公式(6)计算comment₃和seed₁的综合匹配值both_match₃₁：both_match₃₁＝0.5*0+0.5*0.5＝0.25，执行Step3.6；Step3.6、判断both_match_mi是否等于1：both_match₃₁＝0.25，执行Step3.7；Step3.7、i＝2，执行Step3.2；Step3.2、判断i是否小于等于s：2>1，执行Step3.8；Step3.8、用户评论comment₃与所有评论种子依次进行匹配，使用公式(7)获取comment₃与seed_g的最大综合匹配值both_match_3g：both_match₃₁＝MAX{0.25}＝0.25(g＝1)，执行Step3.9；Step3.9、判断both_match_3g是否大于0.5：0.25<0.5，comment₃与评论种子匹配失败，执行Step4；Step4、应用能愿动词判断comment₃是否体现用户意图：Step4.1、判断用户评论comment₃是否包含能愿动词：用户评论comment₃包含能愿动词“希望”，执行Step4.2；Step4.2、mode_intention_type₃＝软件未达到的期望，执行Step4.3；Step4.3、mode₃进入候选评论模式库，执行Step6；Step6、给出comment₃判断结果：<comment₃，软件未达到的期望>，m＝4，执行Step2；第3条评论判断完毕，m＝4，从第4条评论开始执行，执行Step2；

Step2、判断评论库中是否存在待挖掘的用户评论：判断m是否小于等于c：4<6，取出一条与未与评论种子匹配成功的用户评论comment₄，抽取comment₄的评论模式mode₄＝<期待+表情+符号+能+更新,v+n+n+v+v,0+0.25+0.25+0.25+0.25,unknown>，执行Step3；Step3、应用评论种子判断comment₄是否体现用户意图：Step3.1、初始化数据：i＝1，执行Step3.2；Step3.2、判断i是否小于等于s：1＝1，提取一个未与comment₄匹配过的评论种子seed₁，执行Step3.3；Step3.3、将comment₄的词“mode_word₄₁+mode_word₄₂+mode_word₄₃+mode_word₄₄+mode_word₄₅”与与seed₁的词“seed_word₁₁+seed_word₁₂”进行匹配，计算comment₄与seed₁的词匹配值word_match₄₁：Step3.3.1、初始化数据：词匹配成功位置集合pos_word为空，seed₁的全部词匹配标记word_flag_1j为0，j＝1，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：1<2，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<5，执行Step3.3.5；Step3.3.5、seed_word₁₁：“不错”和mode_word₄₁：“期待”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<5，执行Step3.3.5；Step3.3.5、seed_word₁₁：“不错”和mode_word₄₂：“表情”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<5，执行Step3.3.5；Step3.3.5、seed_word₁₁：“不错”和mode_word₄₃：“符号”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4<5，执行Step3.3.5；Step3.3.5、seed_word₁₁：“不错”和mode_word₄₄：“能”不相同，n＝5，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：5＝5，执行Step3.3.5；Step3.3.5、seed_word₁₁：“不错”和mode_word₄₅：“更新”不相同，n＝6，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：6>5，j＝2，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：2＝2，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<5，执行Step3.3.5；Step3.3.5、seed_word₁₂：“软件”和mode_word₄₁：“期待”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<5，执行Step3.3.5；Step3.3.5、seed_word₁₂：“软件”和mode_word₄₂：“表情”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<5，执行Step3.3.5；Step3.3.5、seed_word₁₂：“软件”和mode_word₄₃：“符号”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4<5，执行Step3.3.5；Step3.3.5、seed_word₁₂：“软件”和mode_word₄₄：“能”不相同，n＝5，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：5＝5，执行Step3.3.5；Step3.3.5、seed_word₁₂：“软件”和mode_word₄₅：“更新”不相同，n＝6，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：6>5，j＝3，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：3>2，执行Step3.3.6；Step3.3.6、使用公式(2)计算词匹配值word_match₄₁：word_match₄₁＝word_flag₁₁*weight₁₁+word_flag₁₂*weight₁₂＝0*0.5+0*0.5＝0，执行Step3.4；Step3.4、将comment₄的词性“mode_speech₄₁+mode_speech₄₂+mode_speech₄₃+mode_speech₄₄+mode_speech₄₅”与seed₁的词性“seed_speech₁₁+seed_speech₁₂”进行匹配，计算comment₄与seed₁的词性匹配值speech_match₄₁：Step3.4.1、初始化数据：词匹配成功位置集合pos_speech为空，seed₁的全部词性匹配标记speech_flag_1j为0，j＝1，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：1<2，则执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1}＝1，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：1<5，执行Step3.4.5；Step3.4.5、seed_speech₁₁：“a”和mode_speech₄₁：“v”不相同，n＝2，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<5，执行Step3.4.5；Step3.4.5、seed_speech₁₁：“a”和mode_speech₄₂：“n”不相同，n＝3，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：3<5，执行Step3.4.5；Step3.4.5、seed_speech₁₁：“a”和mode_speech₄₃：“n”不相同，n＝4，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：4<5，执行Step3.4.5；Step3.4.5、seed_speech₁₁：“a”和mode_speech₄₄：“v”不相同，n＝5，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：5＝5，执行Step3.4.5；Step3.4.5、seed_speech₁₁：“a”和mode_speech₄₅：“v”不相同，n＝6，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：6>5，j＝2，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：2＝2，则执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1}＝1，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：1<5，执行Step3.4.5；Step3.4.5、seed_speech₁₂：“n”和mode_speech₄₁：“v”不相同，n＝2，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<5，执行Step3.4.5；Step3.4.5、seed_speech₁₂：“n”和mode_speech₄₂：“n”相同，记录位置2到pos_speech中，speech_flag₁₂为1，j＝3，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：3>2，执行Step3.4.6；Step3.4.6、使用公式(3)计算词性匹配值speech_match₄₁：speech_match₄₁＝speech_flag₁₁*weight₁₁+speech_flag₁₂*weight₁₂＝0*0.5+1*0.5＝0.5，执行Step3.5；Step3.5、计算comment₄与seed₁的综合匹配值both_match₄₁：Step3.5.1、使用公式(4)计算comment₄和seed₁匹配成功的词之间的最大距离dis_word₄₁：dis_word₄₁＝MAX{}-MIN{}＝0，执行Step3.5.2；Step3.5.2、使用公式(5)计算comment₄和seed₁匹配成功的词性之间的最大距离dis_speech₄₁：dis_speech₄₁＝MAX{2}-MIN{2}＝2-2＝0，执行Step3.5.3；Step3.5.3、使用公式(6)计算comment₄和seed₁的综合匹配值both_match₄₁：both_match₄₁＝0.5*0+0.5*0.5＝0.25，执行Step3.6；Step3.6、判断both_match_mi是否等于1：both_match₄₁＝0.25，执行Step3.7；Step3.7、i＝2，执行Step3.2；Step3.2、判断i是否小于等于s：2>1，执行Step3.8；Step3.8、用户评论comment₄与所有评论种子依次进行匹配，使用公式(7)获取comment₄与seed_g的最大综合匹配值both_match_4g：both_match₄₁＝MAX{0.25}＝0.25(g＝1)，执行Step3.9；Step3.9、判断both_match_4g是否大于0.5：0.25<0.5，comment₄与评论种子匹配失败，执行Step4；Step4、应用能愿动词判断comment₄是否体现用户意图：Step4.1、判断用户评论comment₄是否包含能愿动词：用户评论comment₄包含能愿动词“期待”，执行Step4.2；Step4.2、mode_intention_type₄＝软件未达到的期望，执行Step4.3；Step4.3、mode₄进入候选评论模式库，执行Step6；Step6、给出comment₄判断结果：<comment₄，软件未达到的期望>，m＝5，执行Step2；第4条评论判断完毕，m＝5，从第5条评论开始执行，执行Step2；

Step2、判断评论库中是否存在待挖掘的用户评论：判断m是否小于等于c：5<6，取出一条与未与评论种子匹配成功的用户评论comment₅，抽取comment₅的评论模式mode₅＝<服务+非常+好,v+d+a,0.5+0.0+0.5,unknown>，执行Step3；Step3、应用评论种子判断comment₅是否体现用户意图：Step3.1、初始化数据：i＝1，执行Step3.2；Step3.2、判断i是否小于等于s：1＝1，提取一个未与comment₅匹配过的评论种子seed₁，执行Step3.3；Step3.3、将comment₅的词“mode_word₅₁+mode_word₅₂+mode_word₅₃”与与seed₁的词“seed_word₁₁+seed_word₁₂”进行匹配，计算comment₅与seed₁的词匹配值word_match₅₁：Step3.3.1、初始化数据：词匹配成功位置集合pos_word为空，seed₁的全部词匹配标记word_flag_1j为0，j＝1，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：1<2，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<3，执行Step3.3.5；Step3.3.5、seed_word₁₁：“不错”和mode_word₅₁：“服务”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<3，执行Step3.3.5；Step3.3.5、seed_word₁₁：“不错”和mode_word₅₂：“非常”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3＝3，执行Step3.3.5；Step3.3.5、seed_word₁₁：“不错”和mode_word₅₃：“好”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4>3，j＝2，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：2＝2，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<3，执行Step3.3.5；Step3.3.5、seed_word₁₂：“软件”和mode_word₅₁：“服务”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<3，执行Step3.3.5；Step3.3.5、seed_word₁₂：“软件”和mode_word₅₂：“非常”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3＝3，执行Step3.3.5；Step3.3.5、seed_word₁₂：“软件”和mode_word₅₃：“好”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4>3，j＝3，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：3>2，执行Step3.3.6；Step3.3.6、使用公式(2)计算词匹配值word_match₅₁：word_match₅₁＝word_flag₁₁*weight₁₁+word_flag₁₂*weight₁₂＝0*0.5+0*0.5＝0，执行Step3.4；Step3.4、将comment₅的词性“mode_speech₅₁+mode_speech₅₂+mode_speech₅₃”与seed₁的词性“seed_speech₁₁+seed_speech₁₂”进行匹配，计算comment₅与seed₁的词性匹配值speech_match₅₁：Step3.4.1、初始化数据：词匹配成功位置集合pos_speech为空，seed₁的全部词性匹配标记speech_flag_1j为0，j＝1，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：1<2，则执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1}＝1，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：1<3，执行Step3.4.5；Step3.4.5、seed_speech₁₁：“a”和mode_speech₅₁：“v”不相同，n＝2，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<3，执行Step3.4.5；Step3.4.5、seed_speech₁₁：“a”和mode_speech₅₂：“n”不相同，n＝3，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<3，执行Step3.4.5；Step3.4.5、seed_speech₁₁：“a”和mode_speech₅₃：“a”相同，记录位置3到pos_speech中，speech_flag₁₁为1，j＝2，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：2＝2，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,4}＝4，执行Step3.4.4；Step3.4.4、判断n是否小于等于q：4>3，j＝3，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：3>2，执行Step3.4.6；Step3.4.6、使用公式(3)计算词性匹配值speech_match₅₁：speech_match₅₁＝speech_flag₁₁*weight₁₁+speech_flag₁₂*weight₁₂＝1*0.5+0*0.5＝0.5，执行Step3.5；Step3.5、计算comment₅与seed₁的综合匹配值both_match₅₁：Step3.5.1、使用公式(4)计算comment₅和seed₁匹配成功的词之间的最大距离dis_word₅₁：dis_word₅₁＝MAX{}-MIN{}＝0，执行Step3.5.2；Step3.5.2、使用公式(5)计算comment₅和seed₁匹配成功的词性之间的最大距离dis_speech₅₁：dis_speech₅₁＝MAX{3}-MIN{3}＝2-2＝0，执行Step3.5.3；Step3.5.3、使用公式(6)计算comment₅和seed₁的综合匹配值both_match₅₁：both_match₅₁＝0.5*0+0.5*0.5＝0.25，执行Step3.6；Step3.6、判断both_match_mi是否等于1：both_match₅₁＝0.25，执行Step3.7；Step3.7、i＝2，执行Step3.2；Step3.2、判断i是否小于等于s：2>1，执行Step3.8；Step3.8、用户评论comment₅与所有评论种子依次进行匹配，使用公式(7)获取comment₅与seed_g的最大综合匹配值both_match_5g：both_match₅₁＝MAX{0.25}＝0.25(g＝1)，执行Step3.9；Step3.9、判断both_match_5g是否大于0.5：0.25<0.5，comment₅与评论种子匹配失败，执行Step4；Step4、应用能愿动词判断comment₅是否体现用户意图：Step4.1、判断用户评论comment₅是否包含能愿动词：用户评论comment₅不包含能愿动词，执行Step5；Step5、应用软件简介和情感分析判断comment₅是否体现用户意图：Step5.1、提取提取提取comment₅对应的APP软件“中华万年历”的APP软件简介“中华万年历，让时光充满乐趣！功能全，体积小；速度快，口碑好；免费提供云服务，无限空间用到老。超过2亿华人的共同选择，全球用户数量领先的跨平台日历APP！”中的名词和动词系列的相关词作为软件特征词，构建软件特征词集合F＝{中华,万年历,让,时光,充满,乐趣,功能,体积,速度,口碑,免费,提供,云,服务,空间,到,超过,华人,选择,全球,用户,数量,领先,跨,平台,日历}，执行Step5.2；Step5.2、判断comment₅是否包含特征词f_x：comment₅包含特征词“服务”，执行Step5.3；Step5.3、抽取comment₅的评价观点opinion₅：“好/a”，计算opinion₅的情感值sentiment_value₅＝0.88，执行Step5.4；Step5.4、判断sentiment_value₅是否大于或等于0：0.88>0，mode_intention_type₅＝软件满足的需求，comment₅体现用户意图，执行Step5.5；Step5.5、mode₅进入候选评论模式库，执行Step6；Step6、给出comment₅判断结果：<comment₅，软件满足的需求>，m＝6，执行Step2；第5条评论判断完毕，m＝6，从第6条评论开始执行，执行Step2；

Step2、判断评论库中是否存在待挖掘的用户评论：判断m是否小于等于c：6＝6，取出一条与未与评论种子匹配成功的用户评论comment₆，抽取comment₆的评论模式mode₆＝<这个+应用+太+差,rz+vn+d+a,0.0+0.5+0.0+0.5,unknown>，执行Step3；Step3、应用评论种子判断comment₆是否体现用户意图：Step3.1、初始化数据：i＝1，执行Step3.2；Step3.2、判断i是否小于等于s：1＝1，提取一个未与comment₆匹配过的评论种子seed₁，执行Step3.3；Step3.3、将comment₆的词“mode_word₆₁+mode_word₆₂+mode_word₆₃+mode_word₆₄”与与seed₁的词“seed_word₁₁+seed_word₁₂”进行匹配，计算comment₆与seed₁的词匹配值word_match₆₁：Step3.3.1、初始化数据：词匹配成功位置集合pos_word为空，seed₁的全部词匹配标记word_flag_1j为0，j＝1，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：1<2，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<4，执行Step3.3.5；Step3.3.5、seed_word₁₁：“不错”和mode_word₆₁：“这个”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<4，执行Step3.3.5；Step3.3.5、seed_word₁₁：“不错”和mode_word₆₂：“应用”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<4，执行Step3.3.5；Step3.3.5、seed_word₁₁：“不错”和mode_word₆₃：“太”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4＝4，执行Step3.3.5；Step3.3.5、seed_word₁₁：“不错”和mode_word₆₄：“差”不相同，n＝5，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：5>4，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：2＝2，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<4，执行Step3.3.5；Step3.3.5、seed_word₁₂：“软件”和mode_word₆₁：“这个”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<4，执行Step3.3.5；Step3.3.5、seed_word₁₂：“软件”和mode_word₆₂：“应用”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<4，执行Step3.3.5；Step3.3.5、seed_word₁₂：“软件”和mode_word₆₃：“太”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4＝4，j＝3，执行Step3.3.5；Step3.3.5、seed_word₁₂：“软件”和mode_word₆₄：“差”不相同，n＝5，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：5>4，j＝3，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：3>2，执行Step3.3.6；Step3.3.6、使用公式(2)计算词匹配值word_match₆₁：word_match₆₁＝word_flag₁₁*weight₁₁+word_flag₁₂*weight₁₂＝0*0.5+0*0.5＝0，执行Step3.4；Step3.4、将comment₆的词性“mode_speech₆₁+mode_speech₆₂+mode_speech₆₃+mode_speech₆₄”与seed₁的词性“seed_speech₁₁+seed_speech₁₂”进行匹配，计算comment₆与seed₁的词性匹配值speech_match₆₁：Step3.4.1、初始化数据：词匹配成功位置集合pos_speech为空，seed₁的全部词性匹配标记speech_flag_1j为0，j＝1，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：1<2，则执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1}＝1，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：1<4，执行Step3.4.5；Step3.4.5、seed_speech₁₁：“a”和mode_speech₆₁：“rz”不相同，n＝2，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<4，执行Step3.4.5；Step3.4.5、seed_speech₁₁：“a”和mode_speech₆₂：“vn”不相同，n＝3，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：3<4，执行Step3.4.5；Step3.4.5、seed_speech₁₁：“a”和mode_speech₆₃：“vn”不相同，n＝4，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：4＝4，执行Step3.4.5；Step3.4.5、seed_speech₁₁：“a”和mode_speech₆₄：“a”相同，记录位置4到pos_speech中，speech_flag₁₁为1，j＝2，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：2＝2，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,5}＝5，执行Step3.4.4；Step3.4.4、判断n是否小于等于q：5>4，j＝3，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：3>2，执行Step3.4.6；Step3.4.6、使用公式(3)计算词性匹配值speech_match₆₁：speech_match₆₁＝speech_flag₁₁*weight₁₁+speech_flag₁₂*weight₁₂＝1*0.5+0*0.5＝0.5，执行Step3.5；Step3.5、计算comment₆与seed₁的综合匹配值both_match₆₁：Step3.5.1、使用公式(4)计算comment₆和seed₁匹配成功的词之间的最大距离dis_word₆₁：dis_word₅₁＝MAX{}-MIN{}＝0，执行Step3.5.2；Step3.5.2、使用公式(5)计算comment₆和seed₁匹配成功的词性之间的最大距离dis_speech₆₁：dis_speech₆₁＝MAX{4}-MIN{4}＝4-4＝0，执行Step3.5.3；Step3.5.3、使用公式(6)计算comment₆和seed₁的综合匹配值both_match₆₁：both_match₆₁＝0.5*0+0.5*0.5＝0.25，执行Step3.6；Step3.6、判断both_match_mi是否等于1：both_match₆₁＝0.25，执行Step3.7；Step3.6、i＝2，执行Step3.2；Step3.2、判断i是否小于等于s：2>1，执行Step3.8；Step3.8、用户评论comment₆与所有评论种子依次进行匹配，使用公式(7)获取comment₆与seed_g的最大综合匹配值both_match_6g：both_match₆₁＝MAX{0.25}＝0.25(g＝1)，执行Step3.9；Step3.9、判断both_match_6g是否大于0.5：0.25<0.5，comment₆与评论种子匹配失败，执行Step4；Step4、应用能愿动词判断comment₆是否体现用户意图：Step4.1、判断用户评论comment₆是否包含能愿动词：用户评论comment₆不包含能愿动词，执行Step5；Step5、应用软件简介和情感分析判断comment₆是否体现用户意图：Step5.1、提取提取comment₆对应的APP软件“4399游戏盒”的APP软件简介“手机游戏，尽在4399游戏盒！4399游戏盒是4399官方权威打造的一款精品手机游戏平台，集游戏推荐、攻略、礼包、论坛、社交于一体。具有用户免费体验、好友互动交流、游戏圈讨论求助、展示个人风采等诸多特点，您可随时随地一键安装，十万海量游戏经由资深玩家强力推荐、精彩的游戏视频解说、高玩的游戏攻略评测，人气爆棚的游戏社区，让玩家畅游其中，百玩不厌！更新内容：1.技术哥哥优化好，应用启动快不少2.预约游戏领礼包，还能抢鲜下载玩3.小视频专区上线，搞笑视频刷不停4.游戏详情看直播，已支持更多游戏5.搞事报上线，到广场看盒子大事件6.游戏详情展示更新日期与提供商”中的名词和动词系列的相关词作为软件特征词，构建软件特征词集合F＝{盒,官方,权威,打造,精品,手机,平台,集,论坛,社交,一体,具有,用户,免费,体验,好友,互动,交流,讨论,求助,个人,风采,特点,可,键,安装,海量,强力,推荐,解说,攻,评测,人气,爆,棚,社区,让,畅游,厌/,内容,技术,哥哥,优化,应用,启动,预约,领,礼,包,能,抢,下载,玩,专区,笑,视频,停,直播,支持,游戏,搞,事,报,线,到,广场,看,盒子,事件,游戏,详情,展示,更新,日期,提供,商}，执行Step5.2；Step5.2、判断comment₆是否包含特征词f_x：comment₆包含特征词“应用”，执行Step5.3；Step5.3、抽取comment₆的评价观点opinion₆：“差/a”，计算opinion₆的情感值sentiment_value₆＝-0.88，执行Step5.4；Step5.4、判断sentiment_value₆是否大于或等于0：-0.88<0，mode_intention_type₆＝软件存在的问题，comment₆体现用户意图，执行Step5.5；Step5.5、mode₆进入候选评论模式库，执行Step6；Step6、给出comment₆判断结果：<comment₆，软件存在的问题>，m＝7，执行Step2；

Step2、判断评论库中是否存在待挖掘的用户评论：判断m是否小于等于c：7>6，执行Step7；此时，候选候选评论模式有以下5条评论模式：

mode₂＝<希望+能+抢+红包,v+v+v+n,0.25+0.25+0.25+0.25,软件未达到的期望>

mode₃＝<希望+添加+抢+红包+功能,v+v+v+n+n,0.25+0.25+0.0+0.25+0.25,软件未达到的期望>

mode₄＝<期待+表情+符号+能+更新,v+n+n+v+v,0+0.25+0.25+0.25+0.25,软件未达到的期望>

mode₅＝<服务+非常+好,v+d+a,0.5+0.0+0.5,软件满足的需求>；

mode₆＝<这个+应用+太+差,rz+vn+d+a,0.0+0.5+0.0+0.5,软件存在的问题>；

Step7、应用候选评论模式抽取新评论种子：Step7.1、判断候选评论模式库中所有评论模式文本相似度是否计算完毕：候选评论模式库中所有评论模式文本相似度是没有计算完毕，执行Step7.2；Step7.2、抽取一条未计算文本相似度的评论模式mode₂，执行Step7.3；Step7.3、使用公式(8)计算mode₂与该用户意图类别中所有其他评论模式mode₂'的词文本相似度modeWord_sim_22＇：modeWord_sim₂₃＝0.56；modeWord_sim₂₄＝0.10；使用公式(9)计算mode₂和mode_2＇词性文本相似度modeSpeech_sim_22＇：modeSpeech_sim₂₃＝0.78；modeSpeech_sim₂₄＝0.50；使用公式(10)计算mode₂和mode_2＇的综合文本相似度modeBoth_sim_22＇：modeBoth_sim₂₃＝0.5*0.56+0.78*1＝0.67；modeBoth_sim₂₄＝0.5*0.1+0.5*0.50＝0.30；使用公式(11)计算mode₂和mode_2＇的词文本相似度之和sum_modeWord_sim₂：sum_modeWord_sim₂＝SUM{modeWord_sim₂₃,modeWord_sim₂₄}＝SUM{0.56,0.10}＝0.66，执行Step7.1；Step7.1、判断候选评论模式库中所有评论模式文本相似度是否计算完毕：候选评论模式库中所有评论模式文本相似度是没有计算完毕，执行Step7.2；Step7.2、抽取一条未计算文本相似度的评论模式mode₃，执行Step7.3；Step7.3、使用公式(8)计算mode₃与该用户意图类别中所有其他评论模式mode₃'的词文本相似度modeWord_sim_33＇：modeWord_sim₃₂＝0.56；modeWord_sim₃₄＝0.00；使用公式(9)计算mode₃和mode_3＇词性文本相似度modeSpeech_sim_33＇：modeSpeech_sim₃₂＝0.78；modeSpeech_sim₃₄＝0.50；使用公式(10)计算mode₃和mode_3＇的综合文本相似度modeBoth_sim_33＇：modeBoth_sim₃₂＝0.5*0.56+0.5*0.78＝0.67；modeBoth_sim₃₄＝0.5*0.00+0.5*0.50＝0.25；使用公式(11)计算mode₃和mode_3＇的词文本相似度之和sum_modeWord_sim₃：sum_modeWord_sim₃＝SUM{modeWord_sim₃₂,modeWord_sim₃₄}＝SUM{0.56,0.00}＝0.56，执行Step7.1；Step7.1、判断候选评论模式库中所有评论模式文本相似度是否计算完毕：候选评论模式库中所有评论模式文本相似度是没有计算完毕，执行Step7.2；Step7.2、抽取一条未计算文本相似度的评论模式mode₄，执行Step7.3；Step7.3、使用公式(8)计算mode₄与该用户意图类别中所有其他评论模式mode₄'的词文本相似度modeWord_sim_44＇：modeWord_sim₄₂＝0.10；modeWord_sim₄₃＝0.00；使用公式(9)计算mode₄和mode_4＇词性文本相似度modeSpeech_sim_44＇：modeSpeech_sim₄₂＝0.50；modeSpeech_sim₄₃＝0.50；使用公式(10)计算mode₄和mode_4＇的综合文本相似度modeBoth_sim_44＇：modeBoth_sim₄₂＝0.5*0.10+0.5*0.50＝0.30；modeBoth_sim₄₃＝0.5*0.00+0.5*0.50＝0.25；使用公式(11)计算mode₄和mode_4＇的词文本相似度之和sum_modeWord_sim₄：sum_modeWord_sim₄＝SUM{modeWord_sim₄₂,modeWord_sim₄₃}＝SUM{0.10,0.00}＝0.10，执行Step7.1；Step7.1、判断候选评论模式库中所有评论模式文本相似度是否计算完毕：候选评论模式库中所有评论模式文本相似度是没有计算完毕，执行Step7.2；Step7.2、抽取一条未计算文本相似度的评论模式mode₅，执行Step7.3；Step7.3、由于该用户意图类别中只有一条评论模式，所以mode₅与该用户意图类别中所有其他评论模式mode_5'的词文本相似度modeWord_sim_55＇＝0；词性文本相似度modeSpeech_sim_55＇＝0；综合文本相似度modeBoth_sim_55＇＝0；词文本相似度之和sum_modeWord_sim₅＝0；执行Step7.1；Step7.1、判断候选评论模式库中所有评论模式文本相似度是否计算完毕：候选评论模式库中所有评论模式文本相似度是没有计算完毕，执行Step7.2；Step7.2、抽取一条未计算文本相似度的评论模式mode₆，执行Step7.3；Step7.3、由于该用户意图类别中只有一条评论模式，所以mode₆与该用户意图类别中所有其他评论模式mode₆'的词文本相似度modeWord_sim_66＇＝0；词性文本相似度modeSpeech_sim_66＇＝0；综合文本相似度modeBoth_sim_66＇＝0；词文本相似度之和sum_modeWord_sim₆＝0；执行Step7.1；Step7.1、判断候选评论模式库中所有评论模式文本相似度是否计算完毕：候选评论模式库中所有评论模式文本相似度是计算完毕，执行Step7.4；Step7.4、得到至多3个分别代表不同用户意图类别的词文本相似度之和最大的评论模式：mode_max1＝mode₂＝<希望+能+抢+红包,v+v+v+n,0.25+0.25+0.25+0.25,软件未达到的期望>；mode_max2＝mode₅＝<服务+非常+好,v+d+a,0.5+0.0+0.5,软件满足的需求>；mode_max3＝mode₆＝<这个+应用+太+差,rz+vn+d+a,0.0+0.5+0.0+0.5,软件存在的问题>；抽取mode_max1的评论种子seed_max1＝<希望+能+抢+红包,v+v+v+n,0.25+0.25+0.25+0.25,4,软件未达到的期望>；抽取mode_max2的评论种子seed_max2＝<服务+非常+好,v+d+a,0.5+0.0+0.5,3,软件满足的需求>；抽取mode_max3的评论种子seed_max3＝<这个+应用+太+差,rz+vn+d+a,0.0+0.5+0.0+0.5,3,软件存在的问题>；执行Step7.5；Step7.5、更新seed_maxk距离属性：Step7.5.1、判断seed_maxk中不为空的评论种子的距离是否全部完成更新：seed_maxk中不为空的评论种子的距离没有全部完成更新，执行Step7.5.2；Step7.5.2、抽取一个不为空的距离未完成更新的评论种子seed_max1，选取与评论种子seed_max1的评论模式mode_max1的综合文本相似度大于0.35的所有评论模式：mode₃＝<希望+添加+抢+红包+功能,v+v+v+n+n,0.25+0.25+0.0+0.25+0.25,软件未达到的期望>，执行Step7.5.3；Step7.5.3、计算全部评论模式mode_max1＇的关键词距离dis_max1＇：mode₃的关键词距离：dis_max1＇＝5，执行Step7.5.4；Step7.5.4、使用公式(12)获取与mode_max1综合文本相似度大于0.35的所有评论模式mode_max1＇的dis_newk＇dis_max1＇中的最大值new_seed_dis_max1：new_seed_dis_max1＝MAX{5}＝5，执行Step7.5.5；Step7.5.5、判断new_seed_dis_max1是否大于seed_max1的距离：seed_max1＝5>seed_max1＝4，将seed_max1的距离更新为new_seed_dis_max1，执行Step7.5.1；Step7.5.1、判断seed_maxk中不为空的评论种子的距离是否全部完成更新：seed_maxk中不为空的评论种子的距离没有全部完成更新，执行Step7.5.2；Step7.5.2、抽取一个不为空的距离未完成更新的评论种子seed_max2，选取与评论种子seed_max2的评论模式mode_max2的综合文本相似度大于0.35的所有评论模式：null，执行Step7.5.3；Step7.5.3、计算全部评论模式mode_max2＇的关键词距离dis_max2＇：null，执行Step7.5.4；Step7.5.4、使用公式(12)获取与mode_max2综合文本相似度大于0.35的所有评论模式mode_max2＇的dis_newk＇dis_max2＇中的最大值new_seed_dis_max2：new_seed_dis_max2＝MAX{}＝null，执行Step7.5.5；Step7.5.5、判断new_seed_dis_max2是否大于seed_max2的距离：new_seed_dis_max2不大于seed_max2的距离，执行Step7.5.1；Step7.5.1、判断seed_maxk中不为空的评论种子的距离是否全部完成更新：seed_maxk中不为空的评论种子的距离没有全部完成更新，执行Step7.5.2；Step7.5.2、抽取一个不为空的距离未完成更新的评论种子seed_max3，选取与评论种子seed_max3的评论模式mode_max3的综合文本相似度大于0.35的所有评论模式：null，执行Step7.5.3；Step7.5.3、计算全部评论模式mode_max3＇的关键词距离dis_max3＇：null，执行Step7.5.4；Step7.5.4、使用公式(12)获取与mode_max3综合文本相似度大于0.35的所有评论模式mode_max3＇的dis_newk＇dis_max3＇中的最大值new_seed_dis_max3：new_seed_dis_max3＝MAX{}＝null，执行Step7.5.5；Step7.5.5、判断new_seed_dis_max3是否大于seed_max3的距离：new_seed_dis_max3不大于seed_max3的距离，执行Step7.5.1；Step7.5.1、判断seed_maxk中不为空的评论种子的距离是否全部完成更新：seed_maxk中不为空的评论种子的距离全部完成更新，执行Step7.5.6；Step7.5.6、将seed_maxk中不为空的评论种子：seed_max1＝<希望+能+抢+红包,v+v+v+n,0.25+0.25+0.25+0.25,5,软件未达到的期望>；seed_max2＝<服务+非常+好,v+d+a,0.5+0.0+0.5,3,软件满足的需求>；seed_max3＝<这个+应用+太+差,rz+vn+d+a,0.0+0.5+0.0+0.5,3,软件存在的问题>；更新至评论种子库。此时，评论种子库中有4个评论种子seed：seed₁＝<不错+软件,a+n,0.5+0.5,5,软件满足的需求>；seed₂＝<希望+能+抢+红包,v+v+v+n,0.25+0.25+0.25+0.25,5,软件未达到的期望>；seed₃＝<服务+非常+好,v+d+a,0.5+0.0+0.5,3,软件满足的需求>；seed₄＝<这个+应用+太+差,rz+vn+d+a,0.0+0.5+0.0+0.5,3,软件存在的问题>；执行Step8；Step8、判断体现用户意图的用户评论挖掘效果是否收敛：针对第1次循环，本实施例中根据(Levenshtein V I.Binary codes capable of correctingdele-tions,insertions,and reversals[C]//Soviet physics doklady.1966,10(8):707-710.)文献中相似度公式，计算新评论种子seed₂中的评价对象和评价观点的词及词性组合与已有评论种子seed₁中的评价对象和评价观点的词及词性组合之间的组合文本相似度seed_sim₂₁＝0.1；计算新评论种子seed₃中的评价对象和评价观点的词及词性组合与已有评论种子seed₁中的评价对象和评价观点的词及词性组合之间的组合文本相似度seed_sim₃₁＝0.1；计算新评论种子seed₄中的评价对象和评价观点的词及词性组合与已有评论种子seed₁中的评价对象和评价观点的词及词性组合之间的组合文本相似度seed_sim₄₁＝0.1；统计组合文本相似度大于等于0.1的新评论种子数numNewSeed_1’＝1，numNewSeed_1’与该次循环产生新评论种子总数numNewSeed₁＝3不相同，体现用户意图的用户评论挖掘效果未收敛，进行下一次循环挖掘，time＝2，m＝1，执行Step2；

此时，用户评论库中有用户评论comment₁与评论种子seed₁匹配成功；

Step2、判断m是否小于等于c：1<6，取出一条与未与评论种子匹配成功的用户评论comment₂，抽取comment₂的评论模式mode₂＝<希望+能+抢+红包,v+v+v+n,0.25+0.25+0.25+0.25,软件未达到的期望>，执行Step3；Step3、应用评论种子判断comment₂是否体现用户意图：Step3.1、初始化数据：i＝1，执行Step3.2；Step3.2、判断i是否小于等于s：1<4，提取一个未与comment₂匹配过的评论种子seed₂，执行Step3.3；Step3.3、将comment₂的词“mode_word₂₁+mode_word₂₂+mode_word₂₃+mode_word₂₄”与与seed₂的词“seed_word₂₁+seed_word₂₂+seed_word₂₃+seed_word₂₄”进行匹配，计算comment₂与seed₂的词匹配值word_match₂₂：Step3.3.1、初始化数据：词匹配成功位置集合pos_word为空，seed₂的全部词匹配标记word_flag_2j为0，j＝1，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：1<4，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<4，执行Step3.3.5；Step3.3.5、seed_word₂₁：“希望”和mode_word₂₁：“希望”相同，记录位置1到pos_word中，word_flag₂₁为1，j＝2，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：2<4，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0,1}+1＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<4，执行Step3.3.5；Step3.3.5、seed_word₂₂：“能”和mode_word₂₂：“能”相同，记录位置2到pos_word中，word_flag₂₂为1，j＝3，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：3<4，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0,2}+1＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<4，执行Step3.3.5；Step3.3.5、seed_word₂₃：“抢”和mode_word₂₃：“抢”相同，记录位置3到pos_word中，word_flag₂₃为1，j＝4，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：4＝4，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0,3}+1＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4＝4，执行Step3.3.5；Step3.3.5、seed_word₂₄：“红包”和mode_word₂₄：“红包”相同，记录位置4到pos_word中，word_flag₂₄为1，j＝5，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：5>4，执行Step3.3.6；Step3.3.6、使用公式(2)计算词匹配值word_match₂₂：word_match₂₂＝word_flag₂₁*weight₂₁+word_flag₂₂*weight₂₂+word_flag₂₃*weight₂₃+word_flag₂₄*weight₂₄＝1*0.25+1*0.25+1*0.25+1*0.25＝1，执行Step3.4；Step3.4、将comment₂的词性“mode_speech₂₁+mode_speech₂₂+mode_speech₂₃+mode_speech₂₄”与seed₂的词性“seed_speech₂₁+seed_speech₂ ₂+seed_speech₂₃+seed_speech₂₄”进行匹配，计算comment₂与seed₂的词性匹配值speech_match₂₂：Step3.4.1、初始化数据：词匹配成功位置集合pos_speech为空，seed₂的全部词性匹配标记speech_flag_2j为0，j＝1，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：1<4，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,1}＝1，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：1<4，执行Step3.4.5；Step3.4.5、seed_speech₂₁：“v”和mode_speech₂₁：“v”相同，记录位置1到pos_speech中，speech_flag₂₁为1，j＝2，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：2<4，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,2}＝2，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<4，执行Step3.4.5；Step3.4.5、seed_speech₂₂：“v”和mode_speech₂₂：“v”相同，记录位置2到pos_speech中，speech_flag₂₂为1，j＝3，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：3<4，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,3}＝3，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：3<4，执行Step3.4.5；Step3.4.5、seed_speech₂₃：“v”和mode_speech₂₃：“v”相同，记录位置3到pos_speech中，speech_flag₂₃为1，j＝4，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：4＝4，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,4}＝4，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：4＝4，执行Step3.4.5；Step3.4.5、seed_speech₂₄：“n”和mode_speech₂₄：“n”相同，记录位置4到pos_speech中，speech_flag₂₄为1，j＝5，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：5>4，执行Step3.4.6；Step3.4.6、使用公式(3)计算词性匹配值speech_match₂₂：speech_match₃₁＝speech_flag₂₁*weight₂₁+speech_flag₂₂*weight₂₂+speech_flag₂₃*weight₂₃+speech_flag₂₄*weight₂₄＝1*0.25+1*0.25+1*0.25+1*0.25＝1，执行Step3.5；Step3.5、计算comment₂与seed₂的综合匹配值both_match₂₂：Step3.5.1、使用公式(4)计算comment₂和seed₂匹配成功的词之间的最大距离dis_word₂₂：dis_word₂₂＝MAX{1,2,3,4}-MIN{1,2,3,4}＝3，执行Step3.5.2；Step3.5.2、使用公式(5)计算comment₂和seed₂匹配成功的词性之间的最大距离dis_speech₂₂：dis_speech₂₂＝MAX{1,2,3,4}-MIN{1,2,3,4}＝3，执行Step3.5.3；Step3.5.3、使用公式(6)计算comment₂和seed₂的综合匹配值both_match₂₂：both_match₂₂＝0.5*1+0.5*1＝0.5，执行Step3.6；Step3.6、判断both_match_mi是否等于1：both_match₂₂＝1，mode_intention_type₂＝软件未达到的期望，comment₂与seed₂匹配成功，执行Step6；Step6、给出comment₂判断结果：<comment₂，软件未达到的期望>，m＝3，执行Step2；

Step2、判断评论库中是否存在待挖掘的用户评论：判断m是否小于等于c：3<6，取出一条与未与评论种子匹配成功的用户评论comment₃，抽取comment₃的评论模式mode₃＝<希望+添加+抢+红包+功能,v+v+v+n+n,0.25+0.25+0.0+0.25+0.25,软件未达到的期望>，执行Step3；Step3、应用评论种子判断comment₃是否体现用户意图：Step3.1、初始化数据：i＝1，执行Step3.2；Step3.2、判断i是否小于等于s：1<4，提取一个未与comment₃匹配过的评论种子seed₂，执行Step3.3；Step3.3、将comment₃的词“mode_word₃₁+mode_word₃₂+mode_word₃₃+mode_word₃₄+mode_word₃₅”与seed₂的词“seed_word₂₁+seed_word₂₂+seed_word₂₃+seed_word₂₄”进行匹配，计算comment₃与seed₂的词匹配值word_match₃₂：Step3.3.1、初始化数据：词匹配成功位置集合pos_word为空，seed₂的全部词匹配标记word_flag_2j为0，j＝1，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：1<4，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<5，执行Step3.3.5；Step3.3.5、seed_word₂₁：“希望”和mode_word₃₁：“希望”相同，记录位置1到pos_word中，word_flag₂₁为1，j＝2，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：2<4，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0,1}+1＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<5，执行Step3.3.5；Step3.3.5、seed_word₂₂：“能”和mode_word₃₂：“添加”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<5，执行Step3.3.5；Step3.3.5、seed_word₂₂：“能”和mode_word₃₃：“抢”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4<5，执行Step3.3.5；Step3.3.5、seed_word₂₂：“能”和mode_word₃₄：“红包”不相同，n＝5，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：5＝5，执行Step3.3.5；Step3.3.5、seed_word₂₂：“能”和mode_word₃₅：“功能”不相同，n＝6，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：6>5，j＝3，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：3<4，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0,1}+1＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<5，执行Step3.3.5；Step3.3.5、seed_word₂₃：“抢”和mode_word₃₂：“添加”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<5，执行Step3.3.5；Step3.3.5、seed_word₂₃：“抢”和mode_word₃₃：“抢”相同，记录位置3到pos_word中，word_flag₂₃为1，j＝4，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：4＝4，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0,3}+1＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4<5，执行Step3.3.5；Step3.3.5、seed_word₂₄：“红包”和mode_word₃₄：“红包”相同，记录位置4到pos_word中，word_flag₂₄为1，j＝5，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：5>4，执行Step3.3.6；Step3.3.6、使用公式(2)计算词匹配值word_match₃₂：word_match₃₂＝word_flag₂₁*weight₂₁+word_flag₂₂*weight₂₂+word_flag₂₃*weight₂₃+word_flag₂₄*weight₂₄＝1*0.25+0*0.25+1*0.25+1*0.25＝0.75，执行Step3.4；Step3.4、将comment₃的词性“mode_speech₃₁+mode_speech₃₂+mode_speech₃₃+mode_speech₃₄+mode_speech₃₅”与seed₂的词性“seed_speech₂₁+seed_speech₂₂+seed_speech₂₃+seed_speech₂₄”进行匹配，计算comment₃与seed₂的词性匹配值speech_match₃₂：Step3.4.1、初始化数据：词匹配成功位置集合pos_speech为空，seed₂的全部词性匹配标记speech_flag_2j为0，j＝1，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：1<4，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,1}＝1，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：1<5，执行Step3.4.5；Step3.4.5、seed_speech₂₁：“v”和mode_speech₃₁：“v”相同，记录位置1到pos_speech中，speech_flag₂₁为1，j＝2，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：2<4，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,2}＝2，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<5，执行Step3.4.5；Step3.4.5、seed_speech₂₂：“v”和mode_speech₃₂：“v”相同，记录位置2到pos_speech中，speech_flag₂₂为1，j＝3，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：3<4，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,3}＝3，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：3<5，执行Step3.4.5；Step3.4.5、seed_speech₂₃：“v”和mode_speech₃₃：“v”相同，记录位置3到pos_speech中，speech_flag₂₃为1，j＝4，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：4＝4，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,4}＝4，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：4<5，执行Step3.4.5；Step3.4.5、seed_speech₂₄：“n”和mode_speech₃₄：“n”相同，记录位置4到pos_speech中，speech_flag₂₄为1，j＝5，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：5>4，执行Step3.4.6；Step3.4.6、使用公式(3)计算词性匹配值speech_match₃₂：speech_match₃₂＝speech_flag₂₁*weight₂₁+speech_flag₂₂*weight₂₂+speech_flag₂₃*weight₂₃+speech_flag₂₄*weight₂₄＝1*0.25+1*0.25+1*0.25+1*0.25＝1，执行Step3.5；Step3.5、计算comment₃与seed₂的综合匹配值both_match₃₂：Step3.5.1、使用公式(4)计算comment₃和seed₂匹配成功的词之间的最大距离dis_word₃₂：dis_word₃₂＝MAX{1,3,4}-MIN{1,3,4}＝3，执行Step3.5.2；Step3.5.2、使用公式(5)计算comment₃和seed₂匹配成功的词性之间的最大距离dis_speech₃₂：dis_speech₃₂＝MAX{1,2,3,4}-MIN{1,2,3,4}＝3，执行Step3.5.3；Step3.5.3、使用公式(6)计算comment₃和seed₂的综合匹配值both_match₃₂：both_match₃₂＝0.5*0.75+0.5*1＝0.875，执行Step3.6；Step3.6、判断both_match_mi是否等于1：both_match₃₂＝0.875，执行Step3.7；Step3.7、i＝3，执行Step3.2；Step3.2、判断i是否小于等于s：3<4，提取一个未与comment₃匹配过的评论种子seed₃，执行Step3.3；Step3.3、将comment₃的词“mode_word₃₁+mode_word₃₂+mode_word₃₃+mode_word₃₄+mode_word₃₅”与seed₃的词“seed_word₃₁+seed_word₃₂+seed_word₃₃”进行匹配，计算comment₃与seed₃的词匹配值word_match₃₃：Step3.3.1、初始化数据：词匹配成功位置集合pos_word为空，seed₃的全部词匹配标记word_flag_3j为0，j＝1，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：1<3，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<5，执行Step3.3.5；Step3.3.5、seed_word₃₁：“服务”和mode_word₃₁：“希望”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<5，执行Step3.3.5；Step3.3.5、seed_word₃₁：“服务”和mode_word₃₂：“添加”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<5，执行Step3.3.5；Step3.3.5、seed_word₃₁：“服务”和mode_word₃₃：“抢”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4<5，执行Step3.3.5；Step3.3.5、seed_word₃₁：“服务”和mode_word₃₄：“红包”不相同，n＝5，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：5＝5，执行Step3.3.5；Step3.3.5、seed_word₃₁：“服务”和mode_word₃₅：“功能”不相同，n＝6，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：6>5，j＝2，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：2<3，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<5，执行Step3.3.5；Step3.3.5、seed_word₃₂：“非常”和mode_word₃₁：“希望”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<5，执行Step3.3.5；Step3.3.5、seed_word₃₂：“非常”和mode_word₃₂：“添加”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<5，执行Step3.3.5；Step3.3.5、seed_word₃₂：“非常”和mode_word₃₃：“抢”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4<5，执行Step3.3.5；Step3.3.5、seed_word₃₂：“非常”和mode_word₃₄：“红包”不相同，n＝5，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：5＝5，执行Step3.3.5；Step3.3.5、seed_word₃₂：“非常”和mode_word₃₅：“功能”不相同，n＝6，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：6>5，j＝3，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：3＝3，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<5，执行Step3.3.5；Step3.3.5、seed_word₃₃：“好”和mode_word₃₁：“希望”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<5，执行Step3.3.5；Step3.3.5、seed_word₃₃：“好”和mode_word₃₂：“添加”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<5，执行Step3.3.5；Step3.3.5、seed_word₃₃：“好”和mode_word₃₃：“抢”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4<5，执行Step3.3.5；Step3.3.5、seed_word₃₃：“好”和mode_word₃₄：“红包”不相同，n＝5，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：5＝5，执行Step3.3.5；Step3.3.5、seed_word₃₃：“好”和mode_word₃₅：“功能”不相同，n＝6，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：6>5，j＝4，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：4>3，执行Step3.3.6；Step3.3.6、使用公式(2)计算词匹配值word_match₃₃：word_match₃₃＝word_flag₃₁*weight₃₁+word_flag₃₂*weight₃₂+word_flag₃₃*weight₃₃＝0*0.5+0*0+0*0.5＝0，执行Step3.4；Step3.4、将comment₃的词性“mode_speech₃₁+mode_speech₃₂+mode_speech₃₃+mode_speech₃₄+mode_speech₃₅”与seed₃的词性“seed_speech₃₁+seed_speech₃₂+seed_speech₃₃”进行匹配，计算comment₃与seed₃的词性匹配值speech_match₃₃：Step3.4.1、初始化数据：词匹配成功位置集合pos_speech为空，seed₃的全部词性匹配标记speech_flag_3j为0，j＝1，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：1<3，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,1}＝1，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：1<5，执行Step3.4.5；Step3.4.5、seed_speech₃₁：“v”和mode_speech₃₁：“v”相同，记录位置1到pos_speech中，speech_flag₃₁为1，j＝2，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：2<3，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,2}＝2，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<5，执行Step3.4.5；Step3.4.5、seed_speech₃₂：“d”和mode_speech₃₂：“v”不相同，n＝3，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：3<5，执行Step3.4.5；Step3.4.5、seed_speech₃₂：“d”和mode_speech₃₃：“v”不相同，n＝4，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：4<5，执行Step3.4.5；Step3.4.5、seed_speech₃₂：“d”和mode_speech₃₄：“n”不相同，n＝5，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：5＝5，执行Step3.4.5；Step3.4.5、seed_speech₃₂：“d”和mode_speech₃₅：“n”不相同，n＝6，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：6>5，j＝3，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：3＝3，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,2}＝2，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<5，执行Step3.4.5；Step3.4.5、seed_speech₃₃：“a”和mode_speech₃₂：“v”不相同，n＝3，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：3<5，执行Step3.4.5；Step3.4.5、seed_speech₃₃：“a”和mode_speech₃₃：“v”不相同，n＝4，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：4<5，执行Step3.4.5；Step3.4.5、seed_speech₃₃：“a”和mode_speech₃₄：“n”不相同，n＝5，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：5＝5，执行Step3.4.5；Step3.4.5、seed_speech₃₃：“a”和mode_speech₃₅：“n”不相同，n＝6，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：6>5，j＝4，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：4>3，执行Step3.4.6；Step3.4.6、使用公式(3)计算词性匹配值speech_match₃₃：speech_match₃₃＝speech_flag₃₁*weight₃₁+speech_flag₃₂*weight₃₂+speech_flag₃₃*weight₃₃＝1*0.5+0*0+0*0.5＝0.5，执行Step3.5；Step3.5、计算comment₃与seed₃的综合匹配值both_match₃₃：Step3.5.1、使用公式(4)计算comment₃和seed₃匹配成功的词之间的最大距离dis_word₃₃：dis_word₃₃＝MAX{}-MIN{}＝0执行Step3.5.2；Step3.5.2、使用公式(5)计算comment₃和seed₃匹配成功的词性之间的最大距离dis_speech₃₃：dis_speech₃₃＝MAX{1}-MIN{1}＝0，执行Step3.5.3；Step3.5.3、使用公式(6)计算comment₃和seed₃的综合匹配值both_match₃₃：both_match₃₃＝0.5*0+0.5*0.5＝0.25，执行Step3.6；Step3.6、判断both_match_mi是否等于1：both_match₃₃＝0.25，执行Step3.7；Step3.7、i＝4，执行Step3.2；Step3.2、判断i是否小于等于s：4＝4，提取一个未与comment₃匹配过的评论种子seed₄，执行Step3.3；Step3.3、将comment₃的词“mode_word₃₁+mode_word₃₂+mode_word₃₃+mode_word₃₄+mode_word₃₅”与seed₄的词“seed_word₄₁+seed_word₄₂+seed_word₄₃+seed_word₄₄”进行匹配，计算comment₃与seed₄的词匹配值word_match₃₄：Step3.3.1、初始化数据：词匹配成功位置集合pos_word为空，seed₃的全部词匹配标记word_flag_4j为0，j＝1，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：1<4，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<5，执行Step3.3.5；Step3.3.5、seed_word₄₁：“这个”和mode_word₃₁：“希望”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<5，执行Step3.3.5；Step3.3.5、seed_word₄₁：“这个”和mode_word₃₂：“添加”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<5，执行Step3.3.5；Step3.3.5、seed_word₄₁：“这个”和mode_word₃₃：“抢”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4<5，执行Step3.3.5；Step3.3.5、seed_word₄₁：“这个”和mode_word₃₄：“红包”不相同，n＝5，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：5＝5，执行Step3.3.5；Step3.3.5、seed_word₄₁：“这个”和mode_word₃₅：“功能”不相同，n＝6，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：6>5，j＝2，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：2<4，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<5，执行Step3.3.5；Step3.3.5、seed_word₄₂：“应用”和mode_word₃₁：“希望”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<5，执行Step3.3.5；Step3.3.5、seed_word₄₂：“应用”和mode_word₃₂：“添加”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<5，执行Step3.3.5；Step3.3.5、seed_word₄₂：“应用”和mode_word₃₃：“抢”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4<5，执行Step3.3.5；Step3.3.5、seed_word₄₂：“应用”和mode_word₃₄：“红包”不相同，n＝5，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：5＝5，执行Step3.3.5；Step3.3.5、seed_word₄₂：“应用”和mode_word₃₅：“功能”不相同，n＝6，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：6>5，j＝3，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：3<4，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<5，执行Step3.3.5；Step3.3.5、seed_word₄₃：“太”和mode_word₃₁：“希望”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<5，执行Step3.3.5；Step3.3.5、seed_word₄₃：“太”和mode_word₃₂：“添加”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<5，执行Step3.3.5；Step3.3.5、seed_word₄₃：“太”和mode_word₃₃：“抢”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4<5，执行Step3.3.5；Step3.3.5、seed_word₄₃：“太”和mode_word₃₄：“红包”不相同，n＝5，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：5＝5，执行Step3.3.5；Step3.3.5、seed_word₄₃：“太”和mode_word₃₅：“功能”不相同，n＝6，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：6>5，j＝4，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：4＝4，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<5，执行Step3.3.5；Step3.3.5、seed_word₄₄：“差”和mode_word₃₁：“希望”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<5，执行Step3.3.5；Step3.3.5、seed_word₄₄：“差”和mode_word₃₂：“添加”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<5，执行Step3.3.5；Step3.3.5、seed_word₄₄：“差”和mode_word₃₃：“抢”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4<5，执行Step3.3.5；Step3.3.5、seed_word₄₄：“差”和mode_word₃₄：“红包”不相同，n＝5，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：5＝5，执行Step3.3.5；Step3.3.5、seed_word₄₄：“差”和mode_word₃₅：“功能”不相同，n＝6，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：6>5，j＝5，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：5>4，执行Step3.3.6；Step3.3.6、使用公式(2)计算词匹配值word_match₃₄：word_match₃₄＝word_flag₄₁*weight₄₁+word_flag₄₂*weight₄₂+word_flag₄₃*weight₄₃+word_flag₄₄*weight₄₄＝0*0+0*0.5+0*0+0*0.5＝0，执行Step3.4；Step3.4、将comment₃的词性“mode_speech₃₁+mode_speech₃₂+mode_speech₃₃+mode_speech₃₄+mode_speech₃₅”与seed₄的词性“seed_speech₄₁+seed_speech₄₂+seed_speech₄₃+seed_speech₄₄”进行匹配，计算comment₃与seed₄的词性匹配值speech_match₃₄：Step3.4.1、初始化数据：词匹配成功位置集合pos_speech为空，seed₄的全部词性匹配标记speech_flag_4j为0，j＝1，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：1<4，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,1}＝1，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：1<5，执行Step3.4.5；Step3.4.5、seed_speech₄₁：“rz”和mode_speech₃₁：“v”不相同，n＝2，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<5，执行Step3.4.5；Step3.4.5、seed_speech₄₁：“rz”和mode_speech₃₂：“v”不相同，n＝3，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：3<5，执行Step3.4.5；Step3.4.5、seed_speech₄₁：“rz”和mode_speech₃₃：“v”不相同，n＝4，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：4<5，执行Step3.4.5；Step3.4.5、seed_speech₄₁：“rz”和mode_speech₃₄：“n”不相同，n＝5，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：5＝5，执行Step3.4.5；Step3.4.5、seed_speech₄₁：“rz”和mode_speech₃₅：“n”不相同，n＝6，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：6>5，j＝2，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：2<4，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,1}＝1，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：1<5，执行Step3.4.5；Step3.4.5、seed_speech₄₂：“vn”和mode_speech₃₁：“v”不相同，n＝2，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<5，执行Step3.4.5；Step3.4.5、seed_speech₄₂：“vn”和mode_speech₃₂：“v”不相同，n＝3，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：3<5，执行Step3.4.5；Step3.4.5、seed_speech₄₂：“vn”和mode_speech₃₃：“v”不相同，n＝4，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：4<5，执行Step3.4.5；Step3.4.5、seed_speech₄₂：“vn”和mode_speech₃₄：“n”不相同，n＝5，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：5＝5，执行Step3.4.5；Step3.4.5、seed_speech₄₂：“vn”和mode_speech₃₅：“n”不相同，n＝6，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：6>5，j＝3，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：3<4，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,1}＝1，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：1<5，执行Step3.4.5；Step3.4.5、seed_speech₄₃：“d”和mode_speech₃₁：“v”不相同，n＝2，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<5，执行Step3.4.5；Step3.4.5、seed_speech₄₃：“d”和mode_speech₃₂：“v”不相同，n＝3，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：3<5，执行Step3.4.5；Step3.4.5、seed_speech₄₃：“d”和mode_speech₃₃：“v”不相同，n＝4，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：4<5，执行Step3.4.5；Step3.4.5、seed_speech₄₃：“d”和mode_speech₃₄：“n”不相同，n＝5，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：5＝5，执行Step3.4.5；Step3.4.5、seed_speech₄₃：“d”和mode_speech₃₅：“n”不相同，n＝6，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：6>5，j＝4，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：4＝4，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,1}＝1，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：1<5，执行Step3.4.5；Step3.4.5、seed_speech₄₄：“a”和mode_speech₃₁：“v”不相同，n＝2，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<5，执行Step3.4.5；Step3.4.5、seed_speech₄₄：“a”和mode_speech₃₂：“v”不相同，n＝3，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：3<5，执行Step3.4.5；Step3.4.5、seed_speech₄₄：“a”和mode_speech₃₃：“v”不相同，n＝4，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：4<5，执行Step3.4.5；Step3.4.5、seed_speech₄₄：“a”和mode_speech₃₄：“n”不相同，n＝5，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：5＝5，执行Step3.4.5；Step3.4.5、seed_speech₄₄：“a”和mode_speech₃₅：“n”不相同，n＝6，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：6>5，j＝5，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：5>4，执行Step3.4.6；Step3.4.6、使用公式(3)计算词性匹配值speech_match₃₄：speech_match₃₄＝speech_flag₄₁*weight₄₁+speech_flag₄₂*weight₄₂+speech_flag₄₃*weight₄₃+speech_flag₄₄*weight₄₄＝0*0+0*0.5+0*0+0*0.5＝0，执行Step3.5；Step3.5、计算comment₃与seed₄的综合匹配值both_match₃₄：Step3.5.1、使用公式(4)计算comment₃和seed₄匹配成功的词之间的最大距离dis_word₃₄：dis_word₃₄＝MAX{}-MIN{}＝0，执行Step3.5.2；Step3.5.2、使用公式(5)计算comment₃和seed₄匹配成功的词性之间的最大距离dis_speech₃₄：dis_speech₃₄＝MAX{}-MIN{}＝0，执行Step3.5.3；Step3.5.3、使用公式(6)计算comment₃和seed₄的综合匹配值both_match₃₄：both_match₃₄＝0.5*0+0.5*0＝0，执行Step3.6；Step3.6、判断both_match_mi是否等于1：both_match₃₄＝0，执行Step3.7；Step3.7、i＝5，执行Step3.2；Step3.2、判断i是否小于等于s：5>4，执行Step3.8；Step3.8、用户评论comment₃与所有评论种子依次进行匹配，使用公式(7)获取comment₃与seed_g的最大综合匹配值both_match_mg：both_match₃₂＝MAX{both_match₃₂,both_match₃₃,both_match₃₄}＝MAX{0.875,0.25,0}＝0.875(g＝2)，执行Step3.9；Step3.9、判断both_match_mg是否大于0.5：0.875>0.5，则mode_intention_type₃＝seed_intention_type₂，comment₃与seed₂匹配成功，执行Step6；Step6、给出comment₃判断结果：<comment₃，软件未达到的期望>，m＝4，执行Step2；

Step2、判断评论库中是否存在待挖掘的用户评论：判断m是否小于等于c：4<6，取出一条与未与评论种子匹配成功的用户评论comment₄，抽取comment₄的评论模式mode₄＝<期待+表情+符号+能+更新,v+n+n+v+v,0+0.25+0.25+0.25+0.25,软件未达到的期望>，执行Step3；Step3、应用评论种子判断comment₄是否体现用户意图：Step3.1、初始化数据：i＝1，执行Step3.2；Step3.2、判断i是否小于等于s：1＝1，提取一个未与comment₄匹配过的评论种子seed₂，执行Step3.3；Step3.3、将comment₄的词“mode_word₄₁+mode_word₄₂+mode_word₄₃+mode_word₄₄+mode_word₄₅”与seed₂的词“seed_word₂₁+seed_word₂₂+seed_word₂₃+seed_word₂₄”进行匹配，计算comment₄与seed₂的词匹配值word_match₄₂：Step3.3.1、初始化数据：词匹配成功位置集合pos_word为空，seed₂的全部词匹配标记word_flag_2j为0，j＝1，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：1<4，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<5，执行Step3.3.5；Step3.3.5、seed_word₂₁：“希望”和mode_word₄₁：“期待”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<5，执行Step3.3.5；Step3.3.5、seed_word₂₁：“希望”和mode_word₄₂：“表情”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<5，执行Step3.3.5；Step3.3.5、seed_word₂₁：“希望”和mode_word₄₃：“符号”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4<5，执行Step3.3.5；Step3.3.5、seed_word₂₁：“希望”和mode_word₄₄：“能”不相同，n＝5，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：5＝5，执行Step3.3.5；Step3.3.5、seed_word₂₁：“希望”和mode_word₄₅：“更新”不相同，n＝6，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：6>5，j＝2，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：2<4，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<5，执行Step3.3.5；Step3.3.5、seed_word₂₂：“能”和mode_word₄₁：“期待”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<5，执行Step3.3.5；Step3.3.5、seed_word₂₂：“能”和mode_word₄₂：“表情”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<5，执行Step3.3.5；Step3.3.5、seed_word₂₂：“能”和mode_word₄₃：“符号”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4<5，执行Step3.3.5；Step3.3.5、seed_word₂₂：“能”和mode_word₄₄：“能”相同，记录位置4到pos_word中，word_flag₂₂为4，j＝3，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：3<4，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0,4}+1＝5，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：5＝5，执行Step3.3.5；Step3.3.5、seed_word₂₃：“抢”和mode_word₄₅：“更新”不相同，n＝6，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：6>5，j＝4，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：4＝4，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0,4}+1＝5，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：5＝5，执行Step3.3.5；Step3.3.5、seed_word₂₃：“红包”和mode_word₄₅：“更新”不相同，n＝6，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：6>5，j＝5，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：5>4，执行Step3.3.6；Step3.3.6、使用公式(2)计算词匹配值word_match₄₂：word_match₄₂＝word_flag₂₁*weight₂₁+word_flag₂₂*weight₂₂+word_flag₂₃*weight₂₃+word_flag₂₄*weight₂₄＝0*0.25+1*0.25+0*0.25+0*0.25＝0.25，执行Step3.4；Step3.4、将comment₄的词性“mode_speech₄₁+mode_speech₄₂+mode_speech₄₃+mode_speech₄₄+mode_speech₄₅”与seed₂的词性“seed_speech₂₁+seed_speech₂₂+seed_speech₂₃+seed_speech₂₄”进行匹配，计算comment₄与seed₂的词性匹配值speech_match₄₂：Step3.4.1、初始化数据：词匹配成功位置集合pos_speech为空，seed₂的全部词性匹配标记speech_flag_2j为0，j＝1，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：1<4，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,1}＝1，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：1<5，执行Step3.4.5；Step3.4.5、seed_speech₂₁：“v”和mode_speech₄₁：“v”相同，记录位置1到pos_speech中，speech_flag₂₁为1，j＝2，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：2<4，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,2}＝2，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<5，执行Step3.4.5；Step3.4.5、seed_speech₂₂：“v”和mode_speech₄₂：“n”不相同，n＝3，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：3<5，执行Step3.4.5；Step3.4.5、seed_speech₂₂：“v”和mode_speech₄₃：“n”不相同，n＝4，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：4<5，执行Step3.4.5；Step3.4.5、seed_speech₂₂：“v”和mode_speech₄₄：“v”相同，记录位置4到pos_speech中，speech_flag₂₂为1，j＝3，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：3<4，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,5}＝5，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：5＝5，执行Step3.4.5；Step3.4.5、seed_speech₂₃：“v”和mode_speech₄₅：“v”相同，记录位置5到pos_speech中，speech_flag₂₃为1，j＝4，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：4＝4，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,6}＝6，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：6>5，j＝4，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：4＝4，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,6}＝6，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：6>5，j＝5，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：5>4，执行Step3.4.6；Step3.4.6、使用公式(3)计算词性匹配值speech_match₄₂：speech_match₄₂＝speech_flag₂₁*weight₂₁+speech_flag₂₂*weight₂₂+speech_flag₂₃*weight₂₃+speech_flag₂₄*weight₂₄＝1*0.25+1*0.25+1*0.25+0*0.25＝0.75，执行Step3.5；Step3.5、计算comment₄与seed₂的综合匹配值both_match₄₂：Step3.5.1、使用公式(4)计算comment₄和seed₂匹配成功的词之间的最大距离dis_word₄₂：dis_word₄₂＝MAX{2}-MIN{2}＝0，执行Step3.5.2；Step3.5.2、使用公式(5)计算comment₄和seed₂匹配成功的词性之间的最大距离dis_speech₄₂：dis_speech₄₂＝MAX{1,4,5}-MIN{1,4,5}＝4，执行Step3.5.3；Step3.5.3、使用公式(6)计算comment₄和seed₂的综合匹配值both_match₄₂：both_match₄₂＝0.5*0.25+0.5*0.75＝0.5，执行Step3.6；Step3.6、判断both_match_mi是否等于1：both_match₄＝0.5，执行Step3.7；Step3.7、i＝3，执行Step3.2；Step3.2、判断i是否小于等于s：3<4，提取一个未与comment₄配过的评论种子seed₃，执行Step3.3；Step3.3、将comment₄词“mode_word₄₁+mode_word₄₂+mode_word₄₃+mode_word₄₄+mode_word₄₅”与seed₃的词“seed_word₃₁+seed_word₃₂+seed_word₃₃”进行匹配，计算comment₄与seed₃的词匹配值word_match₄₃：Step3.3.1、初始化数据：词匹配成功位置集合pos_word为空，seed₃的全部词匹配标记word_flag_3j为0，j＝1，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：1<3，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<5，执行Step3.3.5；Step3.3.5、seed_word₃₁：“服务”和mode_word₄₁：“期待”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<5，执行Step3.3.5；Step3.3.5、seed_word₃₁：“服务”和mode_word₄₂：“表情”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<5，执行Step3.3.5；Step3.3.5、seed_word₃₁：“服务”和mode_word₄₃：“符号”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4<5，执行Step3.3.5；Step3.3.5、seed_word₃₁：“服务”和mode_word₄₄：“能”不相同，n＝5，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：5＝5，执行Step3.3.5；Step3.3.5、seed_word₃₁：“服务”和mode_word₄₅：“更新”不相同，n＝6，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：6>5，j＝2，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：2<3，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<5，执行Step3.3.5；Step3.3.5、seed_word₃₂：“非常”和mode_word₄₁：“期待”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<5，执行Step3.3.5；Step3.3.5、seed_word₃₂：“非常”和mode_word₄₂：“表情”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<5，执行Step3.3.5；Step3.3.5、seed_word₃₂：“非常”和mode_word₄₃：“符号”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4<5，执行Step3.3.5；Step3.3.5、seed_word₃₂：“非常”和mode_word₄₄：“能”不相同，n＝5，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：5＝5，执行Step3.3.5；Step3.3.5、seed_word₃₂：“非常”和mode_word₄₅：“更新”不相同，n＝6，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：6>5，j＝3，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：3＝3，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<5，执行Step3.3.5；Step3.3.5、seed_word₃₃：“好”和mode_word₄₁：“期待”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<5，执行Step3.3.5；Step3.3.5、seed_word₃₃：“好”和mode_word₄₂：“表情”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<5，执行Step3.3.5；Step3.3.5、seed_word₃₃：“好”和mode_word₄₃：“符号”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4<5，执行Step3.3.5；Step3.3.5、seed_word₃₃：“好”和mode_word₄₄：“能”不相同，n＝5，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：5＝5，执行Step3.3.5；Step3.3.5、seed_word₃₃：“好”和mode_word₄₅：“更新”不相同，n＝6，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：6>5，j＝4，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：4>3，执行Step3.3.6；Step3.3.6、使用公式(2)计算词匹配值word_match₄₃：word_match₄₃＝word_flag₃₁*weight₃₁+word_flag₃₂*weight₃₂+word_flag₃₃*weight₄₃＝0*0.5+0*0+0*0.5＝0，执行Step3.4；Step3.4、将comment₄的词性“mode_speech₄₁+mode_speech₄₂+mode_speech₄₃+mode_speech₄₄+mode_speech₄₅”与seed₃的词性“seed_speech₃₁+seed_speech₃₂+seed_speech₃₃”进行匹配，计算comment₄与seed₃的词性匹配值speech_match₄₃：Step3.4.1、初始化数据：词匹配成功位置集合pos_speech为空，seed₃的全部词性匹配标记speech_flag_3j为0，j＝1，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：1<3，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,1}＝1，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：1<5，执行Step3.4.5；Step3.4.5、seed_speech₃₁：“v”和mode_speech₄₁：“v”相同，记录位置1到pos_speech中，speech_flag₃₁为1，j＝2，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：2<3，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,2}＝2，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<5，执行Step3.4.5；Step3.4.5、seed_speech₃₂：“d”和mode_speech₄₂：“n”不相同，n＝3，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：3<5，执行Step3.4.5；Step3.4.5、seed_speech₃₂：“d”和mode_speech₄₃：“n”不相同，n＝4，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：4<5，执行Step3.4.5；Step3.4.5、seed_speech₃₂：“d”和mode_speech₄₄：“v”不相同，n＝5，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：5＝5，执行Step3.4.5；Step3.4.5、seed_speech₃₂：“d”和mode_speech₄₅：“v”不相同，n＝6，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：6>5，j＝3，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：3＝3，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,2}＝2，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<5，执行Step3.4.5；Step3.4.5、seed_speech₃₃：“a”和mode_speech₄₂：“n”不相同，n＝3，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：3<5，执行Step3.4.5；Step3.4.5、seed_speech₃₃：“a”和mode_speech₄₃：“n”不相同，n＝4，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：4<5，执行Step3.4.5；Step3.4.5、seed_speech₃₃：“a”和mode_speech₄₄：“v”不相同，n＝5，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：5＝5，执行Step3.4.5；Step3.4.5、seed_speech₃₃：“a”和mode_speech₄₅：“v”不相同，n＝6，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：6>5，j＝4，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：4>3，执行Step3.4.6；Step3.4.6、使用公式(3)计算词性匹配值speech_match₄₃：speech_match₄₃＝speech_flag₃₁*weight₃₁+speech_flag₃₂*weight₃₂+speech_flag₃₃*weight₃₃＝1*0.5+0*0+0*0.5＝0.5，执行Step3.5；Step3.5、计算comment₄与seed₃的综合匹配值both_match₄₃：Step3.5.1、使用公式(4)计算comment₄和seed₃匹配成功的词之间的最大距离dis_word₄₃：dis_word₄₃＝MAX{}-MIN{}＝0，执行Step3.5.2；Step3.5.2、使用公式(5)计算comment₄和seed₃匹配成功的词性之间的最大距离dis_speech₄₃：dis_speech₄₃＝MAX{1}-MIN{1}＝0，执行Step3.5.3；Step3.5.3、使用公式(6)计算comment₄和seed₃的综合匹配值both_match₄₃：both_match₄₃＝0.5*0+0.5*0.5＝0.25，执行Step3.6；Step3.6、判断both_match_mi是否等于1：both_match₄₃＝0.25，执行Step3.7；Step3.7、i＝4，执行Step3.2；Step3.2、判断i是否小于等于s：4＝4，提取一个未与comment₄匹配过的评论种子seed₄，执行Step3.3；Step3.3、将comment₄的词“mode_word₄₁+mode_word₄₂+mode_word₄₃+mode_word₄₄+mode_word₄₅”与seed₄的词“seed_word₄₁+seed_word₄₂+seed_word₄₃+seed_word₄₄”进行匹配，计算comment₄与seed₄的词匹配值word_match₄₄：Step3.3.1、初始化数据：词匹配成功位置集合pos_word为空，seed₄的全部词匹配标记word_flag_4j为0，j＝1，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：1<4，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<5，执行Step3.3.5；Step3.3.5、seed_word₄₁：“这个”和mode_word₄₁：“期待”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<5，执行Step3.3.5；Step3.3.5、seed_word₄₁：“这个”和mode_word₄₂：“表情”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<5，执行Step3.3.5；Step3.3.5、seed_word₄₁：“这个”和mode_word₄₃：“符号”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4<5，执行Step3.3.5；Step3.3.5、seed_word₄₁：“这个”和mode_word₄₄：“能”不相同，n＝5，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：5＝5，执行Step3.3.5；Step3.3.5、seed_word₄₁：“这个”和mode_word₄₅：“更新”不相同，n＝6，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：6>5，j＝2，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：2<4，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<5，执行Step3.3.5；Step3.3.5、seed_word₄₂：“应用”和mode_word₄₁：“期待”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<5，执行Step3.3.5；Step3.3.5、seed_word₄₂：“应用”和mode_word₄₂：“表情”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<5，执行Step3.3.5；Step3.3.5、seed_word₄₂：“应用”和mode_word₄₃：“符号”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4<5，执行Step3.3.5；Step3.3.5、seed_word₄₂：“应用”和mode_word₄₄：“能”不相同，n＝5，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：5＝5，执行Step3.3.5；Step3.3.5、seed_word₄₂：“应用”和mode_word₄₅：“更新”不相同，n＝6，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：6>5，j＝3，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：3<4，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<5，执行Step3.3.5；Step3.3.5、seed_word₄₃：“太”和mode_word₄₁：“期待”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<5，执行Step3.3.5；Step3.3.5、seed_word₄₃：“太”和mode_word₄₂：“表情”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<5，执行Step3.3.5；Step3.3.5、seed_word₄₃：“太”和mode_word₄₃：“符号”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4<5，执行Step3.3.5；Step3.3.5、seed_word₄₃：“太”和mode_word₄₄：“能”不相同，n＝5，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：5＝5，执行Step3.3.5；Step3.3.5、seed_word₄₃：“太”和mode_word₄₅：“跟新”不相同，n＝6，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：6>5，j＝4，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：4＝4，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<5，执行Step3.3.5；Step3.3.5、seed_word₄₄：“差”和mode_word₄₁：“期待”不相同，n＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<5，执行Step3.3.5；Step3.3.5、seed_word₄₄：“差”和mode_word₄₂：“表情”不相同，n＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<5，执行Step3.3.5；Step3.3.5、seed_word₄₄：“差”和mode_word₄₃：“符号”不相同，n＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4<5，执行Step3.3.5；Step3.3.5、seed_word₄₄：“差”和mode_word₄₄：“能”不相同，n＝5，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：5＝5，执行Step3.3.5；Step3.3.5、seed_word₄₄：“差”和mode_word₄₅：“更新”不相同，n＝6，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：6>5，j＝5，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：5>4，执行Step3.3.6；Step3.3.6、使用公式(2)计算词匹配值word_match₄₄：word_match₄₄＝word_flag₄₁*weight₄₁+word_flag₄₂*weight₄₂+word_flag₄₃*weight₄₃+word_flag₄₄*weight₄₄＝0*0+0*0.5+0*0+0*0.5＝0，执行Step3.4；Step3.4、将comment₄的词性“mode_speech₄₁+mode_speech₄₂+mode_speech₄₃+mode_speech₄₄+mode_speech₄₅”与seed₄的词性“seed_speech₄₁+seed_speech₄₂+seed_speech₄₃+seed_speech₄₄”进行匹配，计算comment₄与seed₄的词性匹配值speech_match₄₄：Step3.4.1、初始化数据：词匹配成功位置集合pos_speech为空，seed₄的全部词性匹配标记speech_flag_4j为0，j＝1，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：1<4，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,1}＝1，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：1<5，执行Step3.4.5；Step3.4.5、seed_speech₄₁：“rz”和mode_speech₄₁：“v”不相同，n＝2，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<5，执行Step3.4.5；Step3.4.5、seed_speech₄₁：“rz”和mode_speech₄₂：“n”不相同，n＝3，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：3<5，执行Step3.4.5；Step3.4.5、seed_speech₄₁：“rz”和mode_speech₄₃：“n”不相同，n＝4，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：4<5，执行Step3.4.5；Step3.4.5、seed_speech₄₁：“rz”和mode_speech₄₄：“v”不相同，n＝5，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：5＝5，执行Step3.4.5；Step3.4.5、seed_speech₄₁：“rz”和mode_speech₄₅：“v”不相同，n＝6，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：6>5，j＝2，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：2<4，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,1}＝1，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：1<5，执行Step3.4.5；Step3.4.5、seed_speech₄₂：“vn”和mode_speech₄₁：“v”不相同，n＝2，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<5，执行Step3.4.5；Step3.4.5、seed_speech₄₂：“vn”和mode_speech₄₂：“n”不相同，n＝3，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：3<5，执行Step3.4.5；Step3.4.5、seed_speech₄₂：“vn”和mode_speech₄₃：“n”不相同，n＝4，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：4<5，执行Step3.4.5；Step3.4.5、seed_speech₄₂：“vn”和mode_speech₄₄：“v”不相同，n＝5，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：5＝5，执行Step3.4.5；Step3.4.5、seed_speech₄₂：“vn”和mode_speech₄₅：“v”不相同，n＝6，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：6>5，j＝3，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：3<4，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,1}＝1，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：1<5，执行Step3.4.5；Step3.4.5、seed_speech₄₃：“d”和mode_speech₄₁：“v”不相同，n＝2，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<5，执行Step3.4.5；Step3.4.5、seed_speech₄₃：“d”和mode_speech₄₂：“n”不相同，n＝3，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：3<5，执行Step3.4.5；Step3.4.5、seed_speech₄₃：“d”和mode_speech₄₃：“n”不相同，n＝4，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：4<5，执行Step3.4.5；Step3.4.5、seed_speech₄₃：“d”和mode_speech₄₄：“v”不相同，n＝5，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：5＝5，执行Step3.4.5；Step3.4.5、seed_speech₄₃：“d”和mode_speech₄₅：“v”不相同，n＝6，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：6>5，j＝4，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：4＝4，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,1}＝1，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：1<5，执行Step3.4.5；Step3.4.5、seed_speech₄₄：“a”和mode_speech₄₁：“v”不相同，n＝2，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<5，执行Step3.4.5；Step3.4.5、seed_speech₄₄：“a”和mode_speech₄₂：“n”不相同，n＝3，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：3<5，执行Step3.4.5；Step3.4.5、seed_speech₄₄：“a”和mode_speech₄₃：“n”不相同，n＝4，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：4<5，执行Step3.4.5；Step3.4.5、seed_speech₄₄：“a”和mode_speech₄₄：“v”不相同，n＝5，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：5＝5，执行Step3.4.5；Step3.4.5、seed_speech₄₄：“a”和mode_speech₄₅：“v”不相同，n＝6，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：6>5，j＝5，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：5>4，执行Step3.4.6；Step3.4.6、使用公式(3)计算词性匹配值speech_match₄₄：speech_match₄₄＝speech_flag₄₁*weight₄₁+speech_flag₄₂*weight₄₂+speech_flag₄₃*weight₄₃+speech_flag₄₄*weight₄₄＝0*0+0*0.5+0*0+0*0.5＝0，执行Step3.5；Step3.5、计算comment₄与seed₄的综合匹配值both_match₄₄：Step3.5.1、使用公式(4)计算comment₄和seed₄匹配成功的词之间的最大距离dis_word₄₄：dis_word₄₄＝MAX{}-MIN{}＝0，执行Step3.5.2；Step3.5.2、使用公式(5)计算comment₄和seed₄匹配成功的词性之间的最大距离dis_speech₄₄：dis_speech₄₄＝MAX{}-MIN{}＝0，执行Step3.5.3；Step3.5.3、使用公式(6)计算comment₄和seed₄的综合匹配值both_match₄₄：both_match₄₄＝0.5*0+0.5*0＝0，执行Step3.6；Step3.6、判断both_match_mi是否等于1：both_match₄₄＝0，执行Step3.7；Step3.7、i＝5，执行Step3.2；Step3.2、判断i是否小于等于s：5>4，执行Step3.8；Step3.8、用户评论comment₄与所有评论种子依次进行匹配，使用公式(7)获取comment₄与seed_g的最大综合匹配值both_match_4g：both_match₄₂＝MAX{0.5}＝0.5(g＝2)，执行Step3.9；Step3.9、判断both_match_4g是否大于0.5：0.5＝0.5，comment₄与评论种子匹配失败，执行Step4；Step4、应用能愿动词判断comment₄是否体现用户意图：Step4.1、判断用户评论comment₄是否包含能愿动词：用户评论comment₄包含能愿动词“期待”，执行Step4.2；Step4.2、mode_intention_type₄＝软件未达到的期望，执行Step4.3；Step4.3、mode₄进入候选评论模式库，执行Step6；Step6、给出comment₄判断结果：<comment₄，软件未达到的期望>，m＝5，执行Step2；第4条评论判断完毕，m＝5，从第5条评论开始执行，执行Step2；

Step2、判断评论库中是否存在待挖掘的用户评论：判断m是否小于等于c：5<6，取出一条与未与评论种子匹配成功的用户评论comment₅，抽取comment₅的评论模式mode₅＝<服务+非常+好,v+d+a,0.5+0.0+0.5,unknown>，执行Step3；Step3、应用评论种子判断comment₅是否体现用户意图：Step3.1、初始化数据：i＝1，执行Step3.2；Step3.2、判断i是否小于等于s：1<4，提取一个未与comment₅匹配过的评论种子seed₃，执行Step3.3；Step3.3、将comment₅的词“mode_word₅₁+mode_word₅₂+mode_word₅₃”与seed₃的词“seed_word₃₁+seed_word₃₂+seed_word₃₃”进行匹配，计算comment₅与seed₃的词匹配值word_match₅₃：Step3.3.1、初始化数据：词匹配成功位置集合pos_word为空，seed₃的全部词匹配标记word_flag_3j为0，j＝1，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：1<3，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<3，执行Step3.3.5；Step3.3.5、seed_word₃₁：“服务”和mode_word₅₁：“服务”相同，记录位置1到pos_word中，word_flag₃₁为1，j＝2，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：2<3，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0,1}+1＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<3，执行Step3.3.5；Step3.3.5、seed_word₃₂：“非常”和mode_word₅₂：“非常”相同，记录位置2到pos_word中，word_flag₃₂为1，j＝3，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：3＝3，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0,2}+1＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3＝3，执行Step3.3.5；Step3.3.5、seed_word₃₃：“好”和mode_word₅₃：“好”相同，记录位置3到pos_word中，word_flag₃₃为1，j＝4，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：4>3，执行Step3.3.6；Step3.3.6、使用公式(2)计算词匹配值word_match₅₃：word_match₅₃＝word_flag₃₁*weight₃₁+word_flag₃₂*weight₃₂+word_flag₃₃*weight₃₃＝1*0.5+1*0+1*0.5＝1，执行Step3.4；Step3.4、将comment₅的词性“mode_speech₅₁+mode_speech₅₂+mode_speech₅₃”与seed₃的词性“seed_speech₃₁+seed_speech₃₂+seed_speech₃₃”进行匹配，计算comment₅与seed₃的词性匹配值speech_match₅₃：Step3.4.1、初始化数据：词匹配成功位置集合pos_speech为空，seed₃的全部词性匹配标记speech_flag_3j为0，j＝1，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：1<3，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,1}＝1，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：1<3，执行Step3.4.5；Step3.4.5、seed_speech₃₁：“v”和mode_speech₅₁：“v”相同，记录位置1到pos_speech中，speech_flag₃₁为1，j＝2，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：2<3，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,2}＝2，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<3，执行Step3.4.5；Step3.4.5、seed_speech₃₂：“d”和mode_speech₅₂：“d”相同，记录位置2到pos_speech中，speech_flag₃₂为1，j＝3，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：3＝3，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,3}＝3，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：3＝3，执行Step3.4.5；Step3.4.5、seed_speech₃₃：“a”和mode_speech₅₃：“a”相同，记录位置3到pos_speech中，speech_flag₃₃为1，j＝4，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：4>3，执行Step3.4.6；Step3.4.6、使用公式(3)计算词性匹配值speech_match₅₃：speech_match₅₃＝speech_flag₃₁*weight₃₁+speech_flag₃₂*weight₃₂+speech_flag₃₃*weight₃₃＝1*0.5+1*0.25+1*0.25+1*0.25＝1，执行Step3.5；Step3.5、计算comment₅与seed₃的综合匹配值both_match₅₃：Step3.5.1、使用公式(4)计算comment₅和seed₃匹配成功的词之间的最大距离dis_word₅₃：dis_word₅₃＝MAX{1,2,3}-MIN{1,2,3}＝2，执行Step3.5.2；Step3.5.2、使用公式(5)计算comment₅和seed₃匹配成功的词性之间的最大距离dis_speech₅₃：dis_speech₅₃＝MAX{1,2,3}-MIN{1,2,3}＝2，执行Step3.5.3；Step3.5.3、使用公式(6)计算comment₅和seed₃的综合匹配值both_match₅₃：both_match₅₃＝0.5*1+0.5*1＝1，执行Step3.6；Step3.6、判断both_match_mi是否等于1：both_match₅₃＝1，mode_intention_type₅＝软件满足的需求，comment₅与seed₃匹配成功，执行Step6；Step6、给出comment₅判断结果：<comment₅，软件满足的需求>，m＝6，执行Step2；

Step2、判断评论库中是否存在待挖掘的用户评论：判断m是否小于等于c：6＝6，取出一条与未与评论种子匹配成功的用户评论comment₆，抽取comment₆的评论模式mode₆＝<这个+应用+太+差,rz+vn+d+a,0.0+0.5+0.0+0.5,软件存在的问题>，执行Step3；Step3、应用评论种子判断comment₆是否体现用户意图：Step3.1、初始化数据：i＝1，执行Step3.2；Step3.2、判断i是否小于等于s：1<4，提取一个未与comment₆匹配过的评论种子seed₄，执行Step3.3；Step3.3、将comment₆的词“mode_word₆₁+mode_word₆₂+mode_word₆₃+mode_word₆₄”与seed₄的词“seed_word₄₁+seed_word₄₂+seed_word₄₃+seed_word₄₄”进行匹配，计算comment₆与seed₄的词匹配值word_match₆₄：Step3.3.1、初始化数据：词匹配成功位置集合pos_word为空，seed₃的全部词匹配标记word_flag_6j为0，j＝1，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：1<4，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0}+1＝1，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：1<4，执行Step3.3.5；Step3.3.5、seed_word₄₁：“这个”和mode_word₆₁：“这个”相同，记录位置1到pos_word中，word_flag₄₁为1，j＝2，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：2<4，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0,1}+1＝2，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：2<4，执行Step3.3.5；Step3.3.5、seed_word₄₂：“软件”和mode_word₆₂：“软件”相同，记录位置2到pos_word中，word_flag₄₂为1，j＝3，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：3<4，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0,2}+1＝3，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：3<4，执行Step3.3.5；Step3.3.5、seed_word₄₃：“很”和mode_word₆₃：“很”相同，记录位置3到pos_word中，word_flag₄₃为1，j＝4，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：4＝4，执行Step3.3.3；Step3.3.3、初始化n＝MAX{0,3}+1＝4，执行Step3.3.4；Step3.3.4、判断n是否小于等于q：4＝4，执行Step3.3.5；Step3.3.5、seed_word₄₄：“差”和mode_word₆₄：“差”相同，记录位置4到pos_word中，word_flag₄₄为1，j＝5，执行Step3.3.2；Step3.3.2、判断j是否小于等于p：5>4，执行Step3.3.6；Step3.3.6、使用公式(2)计算词匹配值word_match₆₄：word_match₆₄＝word_flag₄₁*weight₄₁+word_flag₄₂*weight₄₂+word_flag₄₃*weight₄₃+word_flag₄₄*weight₄₄＝1*0+1*0.5+1*0+1*0.5＝1，执行Step3.4；Step3.4、将comment₆的词性“mode_speech₆₁+mode_speech₆₂+mode_speech₆₃+mode_speech₆₄”与seed₄的词性“seed_speech₄₁+seed_speech₄₂+seed_speech₄₃+seed_speech₄₄”进行匹配，计算comment₆与seed₄的词性匹配值speech_match₆₄：Step3.4.1、初始化数据：词匹配成功位置集合pos_speech为空，seed₄的全部词性匹配标记speech_flag_4j为0，j＝1，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：1<4，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,1}＝1，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：1<4，执行Step3.4.5；Step3.4.5、seed_speech₄₁：“rz”和mode_speech₆₁：“rz”相同，记录位置1到pos_speech中，speech_flag₄₁为1，j＝2，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：2<4，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,2}＝2，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：2<4，执行Step3.4.5；Step3.4.5、seed_speech₄₂：“vn”和mode_speech₆₂：“vn”相同，记录位置2到pos_speech中，speech_flag₄₂为1，j＝3，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：3<4，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,3}＝3，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：3<4，执行Step3.4.5；Step3.4.5、seed_speech₄₃：“d”和mode_speech₆₃：“d”相同，记录位置3到pos_speech中，speech_flag₄₃为1，j＝4，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：4＝4，执行Step3.4.3；Step3.4.3、初始化n＝MAX{1,1,4}＝4，执行Step3.4.4；Step3.4.4、判断n是否小于等与q：4＝4，执行Step3.4.5；Step3.4.5、seed_speech₄₃：“a”和mode_speech₆₄：“a”相同，记录位置4到pos_speech中，speech_flag₄₄为1，j＝5，执行Step3.4.2；Step3.4.2、判断j是否小于等于p：5>4，执行Step3.4.6；Step3.4.6、使用公式(3)计算词性匹配值speech_match₆₄：speech_match₆₄＝speech_flag₄₁*weight₄₁+speech_flag₄₂*weight₄₂+speech_flag₄₃*weight₄₃+speech_flag₄₄*weight₄₄＝1*0+1*0.5+1*0+1*0.5＝1，执行Step3.5；Step3.5、计算comment₆与seed₄的综合匹配值both_match₆₄：Step3.5.1、使用公式(4)计算comment₆和seed₄匹配成功的词之间的最大距离dis_word₆₄：dis_word₆₄＝MAX{1,2,3,4}-MIN{1,2,3,4}＝3，执行Step3.5.2；Step3.5.2、使用公式(5)计算comment₆和seed₄匹配成功的词性之间的最大距离dis_speech₆₄：dis_speech₆₄＝MAX{1,2,3,4}-MIN{1,2,3,4}＝3，执行Step3.5.3；Step3.5.3、使用公式(6)计算comment₆和seed₄的综合匹配值both_match₆₄：both_match₆₄＝0.5*1+0.5*1＝1，执行Step3.6；Step3.6、判断both_match_mi是否等于1：both_match₆₄＝1，mode_intention_type₆＝软件存在的问题，comment₆与seed₄匹配成功，执行Step6；Step6、给出comment₆判断结果：<comment₆，软件存在的问题>，m＝7，执行Step2；

Step2、判断评论库中是否存在待挖掘的用户评论：判断m是否小于等于c：7>6，执行Step7；此时，候选候选评论模式只有1条评论模式：mode₄＝<期待+表情+符号+能+更新,v+n+n+v+v,0+0.25+0.25+0.25+0.25,软件未达到的期望>；Step7、应用候选评论模式抽取新评论种子：由于候选候选评论模式只有1条评论模式mode₄，因此mode₄抽取对应的评论种子seed_max1＝<期待+表情+符号+能+更新,v+n+n+v+v,0+0.25+0.25+0.25+0.25,5,软件未达到的期望>进入评论种子库；此时，评论种子库中有5个评论种子seed：seed₁＝<不错+软件,a+n,0.5+0.5,5,软件满足的需求>；seed₂＝<希望+能+抢+红包,v+v+v+n,0.25+0.25+0.25+0.25,5,软件未达到的期望>；seed₃＝<服务+非常+好,v+d+a,0.5+0.0+0.5,3,软件满足的需求>；seed₄＝<这个+应用+太+差,rz+vn+d+a,0.0+0.5+0.0+0.5,3,软件存在的问题>；seed₅＝<期待+表情+符号+能+更新,v+n+n+v+v,0+0.25+0.25+0.25+0.25,5,软件未达到的期望>；执行Step8；Step8、判断体现用户意图的用户评论挖掘效果是否收敛：针对第2次循环，本实施例中根据(Levenshtein V I.Binary codes capable of correcting dele-tions,insertions,and reversals[C]//Soviet physics doklady.1966,10(8):707-710.)文献中相似度公式，计算新评论种子seed₅中的评价对象和评价观点的词及词性组合与已有评论种子seed₁中的评价对象和评价观点的词及词性组合之间的组合文本相似度seed_sim₅₁＝0.1；统计组合文本相似度大于等于0.1的新评论种子数numNewSeed_2’＝1，numNewSeed_2’与该次循环产生新评论种子总数numNewSeed₂＝1相同，体现用户意图的用户评论挖掘效果收敛，体现用户意图的用户评论挖掘结束；

此时，用户评论库中有用户评论comment₁与评论种子seed₁匹配成功，用户评论comment₂与评论种子seed₂匹配成功，用户评论comment₃与评论种子seed₂匹配成功，用户评论comment₅与评论种子seed₃匹配成功，用户评论comment₆与评论种子seed₄匹配成功；

上面结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims

1.一种针对体现用户意图的APP软件用户评论挖掘方法，其特征在于：所述方法的具体步骤如下：

Step2、判断评论库中是否存在待挖掘的用户评论：判断m是否小于等于c：如果是，则取出一条未与评论种子匹配成功的用户评论comment_m，抽取comment_m的评论模式mode_m，接着执行Step3；否则，执行Step7；

其中，评论模式mode_m＝<mode_word_m1+…+mode_word_mn+…+mode_word_mq，mode_speech_m1+…+mode_speech_mn+…+mode_speech_mq，mode_weight_m1+…+mode_weight_mn+…+mode_weight_mq，mode_intention_type_m>，1≤n≤q；mode_word_mn代表用户评论comment_m中的第n个词，mode_speech_mn代表用户评论comment_m中第n个词的词性，mode_weight_mn代表用户评论comment_m中第n个词或其词性对应的权重，使用公式(1)计算mode_weight_mn，q代表用户评论comment_m中划分的词/词性的数量，mode_intention_type_m代表用户评论comment_m体现的用户意图类别，此时未对评论comment_m进行用户意图类别判断，其值为unknown；

Step4、应用能愿动词判断comment_m是否体现用户意图：

Step4.2、mode_intention_type_m＝软件未达到的期望，执行Step4.3；

Step4.3、mode_m进入候选评论模式库，执行Step6；

Step5.5、mode_m进入候选评论模式库，执行Step6；

Step7、应用候选评论模式抽取新评论种子，执行Step8；

Step8、判断体现用户意图的用户评论挖掘效果是否收敛：

2.根据权利要求1所述的一种针对体现用户意图的APP软件用户评论挖掘方法，其特征在于：所述Step3的具体步骤如下：

Step3.1、初始化数据：i＝1，执行Step3.2；

Step3.2、判断i是否小于等于s：如果是，则提取一个未与comment_m匹配过的评论种子seed_i，执行Step3.3；否则，执行Step3.8；

Step3.3、将comment_m的词“mode_word_m1+…+mode_word_mn+…+mode_word_mq”与seed_i的词“seed_word_i1+…+seed_word_ij+…+seed_word_ip”进行匹配，计算comment_m与seed_i的词匹配值word_match_mi：

Step3.3.1、初始化数据：词匹配成功位置集合pos_word为空，seed_i的全部词匹配标记word_flag_ij为0，j＝1，执行Step3.3.2；

Step3.3.2、判断j是否小于等于p：如果是，则执行Step3.3.3；否则，执行Step3.3.6；

Step3.3.3、初始化n＝MAX{0,pos_word中最大值}+1，MAX表示计算集合中元素的最大值，执行Step3.3.4；

Step3.3.4、判断n是否小于等于q：如果是，则执行Step3.3.5；否则，j++，执行Step3.3.2；

Step3.3.5、判断seed_word_ij是否和mode_word_mn相同：如果是，则记录位置n到pos_word中，word_flag_ij为1，j++，执行Step3.3.2；否则，n++，执行Step3.3.4；

Step3.3.6、使用公式(2)计算词匹配值word_match_mi：

执行Step3.4；

Step3.4、将comment_m的词性“mode_speech_m1+…+mode_speech_mn+…+mode_speech_mq”与seed_i的词性“seed_speech_i1+…+seed_speech_ij+…+seed_speech_ip”进行匹配，计算comment_m与seed_i的词性匹配值speech_match_mi：

Step3.4.1、初始化数据：词匹配成功位置集合pos_speech为空，seed_i的全部词性匹配标记speech_flag_ij为0，j＝1，执行Step3.4.2；

Step3.4.2、判断j是否小于等于p：如果是，则执行Step3.4.3；否则，执行Step3.4.6；

Step3.4.3、初始化n＝MAX{1,pos_word中第一个值,pos_speech中最大值+1}，执行Step3.4.4；

Step3.4.4、判断n是否小于等与q：如果是，则执行Step3.4.5；否则，j++，执行Step3.4.2；

Step3.4.5、判断seed_speech_ij是否和mode_speech_mn相同：如果是，则记录位置n到pos_speech中，speech_flag_ij为1，j++，执行Step3.4.2；否则，n++，执行Step3.4.4；

Step3.4.6、使用公式(3)计算词性匹配值speech_match_mi：

执行Step3.5；

Step3.5、计算comment_m与seed_i的综合匹配值both_match_mi：

Step3.5.1、使用公式(4)计算comment_m和seed_i匹配成功的词之间的最大距离dis_word_mi：

dis_word_mi＝MAX{pos_word}-MIN{pos_word}(4)

式(4)中，MIN表示计算集合中元素的最小值；

执行Step3.5.2；

Step3.5.2、使用公式(5)计算comment_m和seed_i匹配成功的词性之间的最大距离dis_speech_mi：

dis_speech_mi＝MAX{pos_speech}-MIN{pos_speech}(5)

执行Step3.5.3；

Step3.5.3、使用公式(6)计算comment_m和seed_i的综合匹配值both_match_mi：

执行Step3.6；

Step3.6、判断both_match_mi是否等于1：如果是，则mode_intention_type_m＝seed_intention_type_i，comment_m与seed_i匹配成功，执行Step6；否则，执行Step3.7；

Step3.7、i++，执行Step3.2；

Step3.8、用户评论comment_m需要与所有评论种子依次进行匹配，最后抽取其与第g个评论种子的最大综合匹配值both_match_mg判断是否匹配成功，抽取最大综合匹配值如公式(7)所示：

both_match_mg＝MAX{both_match_m1,…,both_match_mg,…,both_match_ms}(1≤g≤s) (7)

执行Step3.9；

Step3.9、判断both_match_mg是否大于0.5：如果是，则mode_intention_type_m＝seed_intention_type_i，comment_m与seed_g匹配成功，执行Step6；否则，comment_m与评论种子匹配失败，执行Step4。

3.根据权利要1所述的一种针对体现用户意图的APP软件用户评论挖掘方法，其特征在于：所述Step7的具体步骤如下：

Step7.1、判断候选评论模式库中所有评论模式文本相似度是否计算完毕：如果是，则执行Step7.4；否则，执行Step7.2；

Step7.2、抽取一条未计算文本相似度的评论模式mode_m，执行Step7.3；

Step7.3、使用公式(8)计算mode_m与该用户意图类别中所有其他评论模式mode_m'的词文本相似度modeWord_sim_mm＇：

modeWord_sim_mm＇＝1-dis_word_mm＇/max(len_word_m，len_word_m＇)(8)

其中，modeWord_sim_mm＇表示mode_m和mode_m＇的词文本相似度，dis_word_mm＇表示mode_m和mode_m＇的词组合之间的距离，len_word_m和len_word_m＇分别为两个词组合中字符的长度；

使用公式(9)计算mode_m和mode_m＇词性文本相似度modeSpeech_sim_mm＇：

modeSpeech_sim_mm＇＝1-dis_speech_mm＇/max(len_speech_m，len_speech_m＇)(9)

其中，modeSpeech_sim_mm＇表示mode_m和mode_m＇的词性文本相似度，dis_speech_mm＇表示mode_m和mode_m＇的词性组合之间的距离，len_speech_m和len_speech_m＇分别为两个词性组合中字符的长度；

使用公式(10)计算mode_m和mode_m＇的综合文本相似度modeBoth_sim_mm＇：

modeBoth_sim_mm＇＝0.5*modeWord_sim_mm＇+0.5*modeSpeech_sim_mm＇(10)

使用公式(11)计算mode_m和mode_m＇的词文本相似度之和sum_modeWord_sim_m：

sum_modeWord_sim_m＝SUM{modeWord_sim_mm＇}(m'！＝m)(11)

式(11)中，SUM表示计算集合中元素之和；

执行Step7.1；

Step7.4、得到至多3个分别代表不同用户意图类别的词文本相似度之和最大的评论模式：mode_maxk(1≤k≤3)；抽取mode_maxk的评论种子seed_maxk，seed_maxk＝{seed_word_maxk1+…+seed_word_maxkj+…+seed_word_maxkp，seed_speech_maxk1+…+seed_speech_maxkj+…+seed_speech_maxkp，weight_maxk1+…+weight_maxkj+…+weight_maxkp，newseed_dis_maxk，seed_intention_type_maxk}；

其中，newseed_dis_maxk为评论模式mode_maxk中词性为名词n、动词v、否定副词d和形容词a的词的数量，seed_intention_type_maxk为评论comment_newk体现的用户意图类别，

执行Step7.5；

Step7.5、更新seed_maxk距离属性：

Step7.5.1、判断seed_maxk中不为空的评论种子的距离是否全部完成更新：如果是，则执行Step7.5.6；否则，执行Step7.5.2；

Step7.5.2、抽取一个不为空的距离未完成更新的评论种子seed_maxk，选取与评论种子seed_maxk的评论模式mode_maxk的综合文本相似度大于0.35的所有评论模式mode_maxk＇，执行Step7.5.3；

Step7.5.3、计算全部评论模式mode_maxk＇的关键词距离dis_maxk＇：

其中，关键词为评论模式中词性为名词n、动词v、否定副词d和形容词a的词，关键词距离指的是评论模式中词性为名词n、动词v、否定副词d和形容词a的词的数量；

执行Step7.5.4；

Step7.5.4、使用公式(12)获取与mode_maxk综合文本相似度大于0.35的所有评论模式mode_maxk＇的dis_maxk＇中的最大值new_seed_dis_maxk：

new_seed_dis_maxk＝MAX{dis_newk＇}(12)

执行Step7.5.5；

Step7.5.5、判断new_seed_dis_maxk是否大于seed_maxk的距离：如果是，则将seed_maxk的距离更新为new_seed_dis_maxk，执行Step7.5.1；否则，执行Step7.5.1；

Step7.5.6、将seed_maxk中不为空的评论种子更新至评论种子库。