通过当前产品特征提取方法获得的在线评论的产品特征集具有较低的评论信息覆盖率。 为了解决这个问题，本文提出了一种基于KNN算法的产品特征提取方法。 首先建立产品特征集的分类系统。 然后我们手动提取一部分产品特征作为训练集，并根据词与分类系统之间的相似性，快速对所有评论的产品特征进行分类和提取。 最后，使用PMI算法对其进行过滤和补充，以提高产品特征集的正确率和评论信息覆盖率。 通过淘宝平台在线服装评论数据示例，证明该方法可以有效提高产品功能集的评论信息覆盖率。
2021-08-27 15:58:39
366KB
1