点击次数：

论文类型：期刊论文

发表时间：2016-06-22

发表刊物：计算机应用研究

收录刊物：CSCD

卷号：34

期号：4

页面范围：977-980

ISSN号：1001-3695

关键字：在线评论;产品属性提取;互自扩展;FP-Growth算法;置信度

摘要：针对中文在线评论中产品属性词的提取,提出了一种基于互自扩展模式的半监督学习方法.利用较少的人工参与,通过FP-Growth算法挖掘频繁项集获得种子属性词,通过增量迭代发现新的属性词;在每一轮迭代中,通过计算提取词与提取模式的置信度确保了算法的准确性,同时避免了主题偏移.最后通过相似提取模式获得复合提取词,大大减少了因分词及词性标注错误所导致的属性词挖掘错误,以牺牲较少准确率的代价换取了较高的召回率.实验结果表明,该算法对产品属性提取的F值可以达到78.97％,结果优于其他类似的提取算法.