網(wǎng)絡(luò)文本評論中產(chǎn)品特征抽取綜述

李光敏　陳熾　邢江

〔摘要〕隨著Web2.0技術(shù)和電子商務(wù)的飛速發(fā)展，越來越多的用戶通過互聯(lián)網(wǎng)分享產(chǎn)品的使用體驗(yàn)和表達(dá)喜惡的觀點(diǎn)，如何有效地從評論文本中抽取產(chǎn)品特征是產(chǎn)品意見挖掘方向所亟需解決的問題。本文從產(chǎn)品特征頻繁項(xiàng)、特征-意見共現(xiàn)關(guān)系、模型訓(xùn)練和顯隱式特征匹配四個方面介紹產(chǎn)品特征抽取工作在國內(nèi)外的研究進(jìn)展并指出其各自的優(yōu)勢和不足，最后列出產(chǎn)品特征抽取在今后的研究方向。

〔關(guān)鍵詞〕在線評論；意見挖掘；特征抽??；文本分析

DOI：10.3969/j.issn.1008-0821.2016.08.031

〔中圖分類號〕TP3911〔文獻(xiàn)標(biāo)識碼〕A〔文章編號〕1008-0821（2016）08-0168-06

〔Abstract〕With the rapid development of Web20 technology and electronic commerce，more and more customers participate in the Internet，share product experience and express likes or dislikes about product.It is a challenge to extract product feature from customer reviews effectively in the product opinion mining field.Firstly，this paper introduced the research progress of extracting product feature from frequency，co-occurrence，modeling and implicit feature mapping both at home and abroad.Secondly，it presented their strength and limitation respectively.Finally，it enumerated some research interest about this task.

〔Key words〕online review；opinion mining；feature extraction；text analysis

近年來，隨著Web20技術(shù)的發(fā)展，大量的在線產(chǎn)品評論文本不斷涌現(xiàn)，對于有購買意向的潛在消費(fèi)者來說，手工從產(chǎn)品評論中總結(jié)歸納出消費(fèi)者對已購產(chǎn)品所持的褒貶態(tài)度是不現(xiàn)實(shí)的，尤其是意見相左的產(chǎn)品評論更讓他們感到無所適從；對于生產(chǎn)廠家來說，從產(chǎn)品評論中了解消費(fèi)者對產(chǎn)品整體或某一特征的意見，對企業(yè)競爭情報分析和后期產(chǎn)品質(zhì)量的改進(jìn)都大有裨益，因而對于評論中用戶表達(dá)意見的研究具有重要意義。

隨著物質(zhì)文化生活水平的提高，人們對消費(fèi)品需求日趨多元化、個性化，他們不再滿足于產(chǎn)品的整體性能優(yōu)劣，而是根據(jù)個人的消費(fèi)喜好來關(guān)注產(chǎn)品的某一部件或?qū)傩缘男阅?，較多關(guān)注產(chǎn)品局部的評論內(nèi)容，因此如何準(zhǔn)確全面抽取評論文本中所蘊(yùn)含的產(chǎn)品特征信息是研究者所面臨的重要問題。本文站在技術(shù)實(shí)現(xiàn)的角度從四個方面綜述文本評論中產(chǎn)品特征抽取技術(shù)在國內(nèi)外的研究進(jìn)展及各自的優(yōu)勢和不足，最后指出產(chǎn)品特征抽取技術(shù)所面臨的挑戰(zhàn)和今后的發(fā)展方向。

1基于頻繁項(xiàng)的特征抽取

該方法通常對評論語料中出現(xiàn)頻率較高的名詞或名詞短語應(yīng)用約束條件而抽取出來作為產(chǎn)品特征。產(chǎn)品特征詞通常由名詞、形容詞、副詞或動詞組成。Liu[1]認(rèn)為60%～70%的產(chǎn)品特征詞是顯式名詞，由于人們習(xí)慣在評論中經(jīng)常使用，因此產(chǎn)品的部件或?qū)傩猿Ｓ山?jīng)常出現(xiàn)的這類名詞表示，同時還需要對頻繁出現(xiàn)的名詞中的非產(chǎn)品特征詞進(jìn)行過濾。

Hu[2]最先提出的基于特征摘要（Feature-based Summarization）算法。他首先將產(chǎn)品評論中頻繁出現(xiàn)的名詞短語作為候選種子詞，然后通過密實(shí)度修剪（Compactness Pruning）去掉那些未按照指定順序在一起出現(xiàn)的無意義詞以及冗余修剪（Redundancy Pruning）去掉未能表示產(chǎn)品特征的單個詞，比如手機(jī)產(chǎn)品評論中的“時間”一詞，只有在“待機(jī)時間”或“通話時間”的名詞短語中才表示手機(jī)產(chǎn)品屬性，單獨(dú)出現(xiàn)則毫無意義，所以就把它從候選種子詞中去掉。隨后Popescu[3]基于如下假設(shè)：共現(xiàn)的次數(shù)越多的兩個詞，則它們之間的關(guān)聯(lián)度越高，因此Popescu提出點(diǎn)互信息（Point-wise Mutual Information，PMI）方法比Hu的算法提高了22%的準(zhǔn)確率，但是召回率降低了3%。Ku[4]利用TF*IDF從文檔和段落級別來判斷某詞對產(chǎn)品特征的重要程度，Scaffidi[5]也用此方法將頻繁出現(xiàn)的名詞短語候選項(xiàng)在評論語料中的出現(xiàn)頻率與在一般性英文中的出現(xiàn)頻率進(jìn)行比較。Raju[6]等人同樣在實(shí)驗(yàn)中丟棄所有那些相比在產(chǎn)品描述中更為頻繁出現(xiàn)在一般性英文中的名詞短語，然后將剩下的描述產(chǎn)品同一特征的名詞短語進(jìn)行聚類，該模型通過雙連詞重疊（Bigram Overlap）值來衡量名詞短語間的相似性，最后只保留至少含3個名詞短語的聚類簇。Long[7]等人基于出現(xiàn)頻率和信息距離（Information Distance）的考慮來抽取名詞短語，他們首先通過統(tǒng)計(jì)頻率方式找到產(chǎn)品特征核心詞，然后利用信息距離來查找與產(chǎn)品特征相關(guān)的其他詞或短語，如“”和“Dollars”均是產(chǎn)品價格屬性的核心詞。Hao[8]提出的基于語言依存分析和語料庫統(tǒng)計(jì)相結(jié)合的未登錄產(chǎn)品特征項(xiàng)抽取算法，實(shí)驗(yàn)證明抽取的前200個產(chǎn)品屬性中準(zhǔn)確率達(dá)到875%。

基于頻繁項(xiàng)的產(chǎn)品特征抽取方式簡單高效，許多商業(yè)機(jī)構(gòu)通過這種方式分析客戶對產(chǎn)品的反饋意見。但也導(dǎo)致了抽取過程中出現(xiàn)過多與產(chǎn)品特征無關(guān)的詞匯同時漏掉那些不常出現(xiàn)的產(chǎn)品特征詞。另外需要對各種閾值參數(shù)進(jìn)行手工調(diào)整，因此移植性差。

2基于產(chǎn)品特征和意見的共現(xiàn)關(guān)系

基于共現(xiàn)關(guān)系的產(chǎn)品特征項(xiàng)抽取前提是產(chǎn)品意見挖掘的主觀陳述中，意見的表達(dá)總是針對具體的評論對象，而意見詞在文本評論中是容易發(fā)現(xiàn)的[9]。

Liu[10]實(shí)現(xiàn)的Opinion Observer系統(tǒng)針僅對句子級的用戶評論內(nèi)容使用監(jiān)督模式發(fā)現(xiàn)算法進(jìn)行意見挖掘后并可視化顯示不同產(chǎn)品（3種品牌）中各個特征（顯示屏、電池、揚(yáng)聲器等）的比較結(jié)果。首先通過詞性標(biāo)注器（NLProcessor Linguistic Parser）對訓(xùn)練集進(jìn)行詞性標(biāo)注，然后手工識別產(chǎn)品特征項(xiàng)并用指定的詞（[Feature]）取代，如：“超高的性價比”被標(biāo)注為“超高的ADJ性價比NN”，其中ADJ和NN分別表示形容詞和名詞。接著用“[Feature]”替換掉“性價比”，結(jié)果變成“超高的ADJ[Feature]NN”形式，上述操作的依據(jù)是他認(rèn)為用戶在評論中的描述方式通常是以類似的語法形式出現(xiàn)，只是所用的特征項(xiàng)不同，所以需要詞性標(biāo)注和[Feature]替換作為尋找語法規(guī)則的橋梁。最后利用關(guān)聯(lián)規(guī)則挖掘?qū)ι鲜龅脑~性標(biāo)注模式進(jìn)行產(chǎn)品特征項(xiàng)抽取。實(shí)驗(yàn)結(jié)果表明該方法可使召回率和準(zhǔn)確率分別達(dá)到902%和889%的效果。

Baccianella[11]提出的層次性評級（Multi-facet Rating）方式抽取產(chǎn)品特征。首先通過預(yù)定義的3種POS模式抽取出意見短語（如：“nice room”、“horrible location”）作為候選項(xiàng)，然后充分利用General Inquirer[12]詞典中情感詞的極性、強(qiáng)度、詞性等標(biāo)簽知識對候選項(xiàng)進(jìn)行細(xì)粒度的標(biāo)注，比如將“nice room”標(biāo)注為“[Virtue][Positive]room”，將“horrible location”標(biāo)注為“[Strong][Negative]location”。最后按照這些已標(biāo)注過的候選項(xiàng)的區(qū)分度使用最小方差（Minimum Variance）進(jìn)行計(jì)算打分完成產(chǎn)品特征的抽取，在對TripAdvisor網(wǎng)站爬取來的26 000條酒店評論實(shí)驗(yàn)中發(fā)現(xiàn)微觀平均絕對誤差（Micro Mean Absolute Error）降低了359%，宏觀平均絕對誤差降低了302%。

利用產(chǎn)品特征項(xiàng)的句法結(jié)構(gòu)來抽取匹配項(xiàng)的方式，對于意見評論句中出現(xiàn)的相似句法結(jié)構(gòu)處理起來顯得有些無能為力。針對該情況，Jiang[13]基于樹核（Tree Kernel）函數(shù)提出在線產(chǎn)品評論的產(chǎn)品特征抽取和情感極性分類方法可以隱式利用句法結(jié)構(gòu)的子結(jié)構(gòu)（substructure）特點(diǎn)并計(jì)算出子結(jié)構(gòu)間的相似性。

Zhuang[14]通過應(yīng)用依賴解析器來識別產(chǎn)品項(xiàng)之間的依賴關(guān)系和Du[15]利用產(chǎn)品特征項(xiàng)與情感詞之間的關(guān)系達(dá)到抽取的目的。二人均首先考慮將所有的名詞短語和形容詞分別作為產(chǎn)品特征項(xiàng)和情感詞，然后基于二者的共現(xiàn)關(guān)系建立對應(yīng)的知識圖，最后使用信息增強(qiáng)（Information Reinforcement）的圖聚類算法來抽取與情感密切相關(guān)的產(chǎn)品特征項(xiàng)。隨后Hai[16]也利用產(chǎn)品特征項(xiàng)和情感（aspect-sentiment）之間的共現(xiàn)矩陣挖掘出用來形成抽取新的產(chǎn)品-觀點(diǎn)對的規(guī)則集。Qiu[17]也將依賴關(guān)系的思想應(yīng)用到雙傳播方法中同時完成產(chǎn)品項(xiàng)和情感詞的抽取任務(wù)。Shi[18]通過人工建立基于產(chǎn)品特征的概念模型再利用中文語義詞典擴(kuò)展的方式完成特征-意見對的抽取。

基于產(chǎn)品特征和意見之間共現(xiàn)關(guān)系抽取產(chǎn)品特征項(xiàng)的優(yōu)勢在于能發(fā)現(xiàn)低頻的產(chǎn)品特征項(xiàng)，不足之處是抽取出的匹配共現(xiàn)關(guān)系模式的短語項(xiàng)中部分不能表示產(chǎn)品特征。簡言之，這類方法的召回率高，準(zhǔn)確率低。

也可將基于頻繁項(xiàng)和基于共現(xiàn)關(guān)系的兩種抽取方法結(jié)合使用，主要思想就是產(chǎn)品特征通常由頻繁出現(xiàn)的名詞表示并被情感詞所修飾。因此常利用特征-情感關(guān)系對過濾掉非特征詞。Li[19]等人首先從關(guān)于手機(jī)評論的中文文本中抽取出頻繁出現(xiàn)的名詞短語作為候選特征詞，然后通過如下兩步處理掉候選項(xiàng)中的噪音詞，第一步使用形容詞限制模式，如：ADJNN，其中ADJ表示形容詞，NN表示名詞短語；第二步利用信息檢索（Information Retrieve）的詞頻（Term Frequency）計(jì)算，將那些在Web文本中出現(xiàn)頻率高的常用詞從候選項(xiàng)集中去掉，因?yàn)長i認(rèn)為頻繁出現(xiàn)的常用詞表示產(chǎn)品特征的概率低。實(shí)驗(yàn)結(jié)果證明該算法優(yōu)于僅使用自然語言處理產(chǎn)品特征的抽取技術(shù)并且具有領(lǐng)域適應(yīng)性。Yu[20]利用領(lǐng)域知識（如產(chǎn)品說明書）將產(chǎn)品的所有特征以樹狀結(jié)構(gòu)組織。該思路首先是從評論中抽取高頻名詞短語，然后對單分類支持向量機(jī)（One-class SVM）進(jìn)行訓(xùn)練以識別候選特征項(xiàng)，接著利用特征項(xiàng)間的語義距離（Inter-aspect Semantic Distance）對候選特征項(xiàng)進(jìn)行篩選。特征項(xiàng)間的語義距離一般由共現(xiàn)頻率、上下文相似性和句法模式相似性等因素決定。最后通過遞增式迭代將符合條件的特征項(xiàng)陸續(xù)加入到初始的樹狀結(jié)構(gòu)中形成完整的層狀產(chǎn)品特征樹，對來自4個領(lǐng)域的11種產(chǎn)品的特征抽取實(shí)驗(yàn)證明了該算法的有效性。

與前兩種方法相比，組合方式的優(yōu)勢在于由于使用了更多的約束條件（如：頻率閾值和關(guān)系模式）使得非產(chǎn)品特征詞的數(shù)量大大減少，不足的地方是仍會抽取出低頻的非產(chǎn)品特征詞，同樣也需要對各種訓(xùn)練參數(shù)進(jìn)行手工調(diào)整。

3基于訓(xùn)練模型的特征抽取

上述3種方法的局限性在于需要人工干涉抽取算法中的各種參數(shù)，并且定制好的抽取規(guī)則難以移植到其他數(shù)據(jù)集中去，而自動從數(shù)據(jù)中學(xué)習(xí)訓(xùn)練參數(shù)的訓(xùn)練模型則能克服該局限性。

31監(jiān)督學(xué)習(xí)技術(shù)方式

特征抽取通常看作是一般信息抽取的特例，那么信息抽取中所使用的監(jiān)督學(xué)習(xí)算法仍適用于意見挖掘中對產(chǎn)品特征、觀點(diǎn)詞和觀點(diǎn)極性的識別。已有基于監(jiān)督學(xué)習(xí)技術(shù)的模型如隱馬爾科夫模型[21]（Hidden Markov Model）和條件隨機(jī)域[22]（Conditional Random Field），它們采用序列學(xué)習(xí)（Sequential Learning）方法，主要從標(biāo)注的訓(xùn)練數(shù)據(jù)中推斷出函數(shù)以應(yīng)用到未標(biāo)注的數(shù)據(jù)中去，是目前研究較多的兩種模型。其中隱馬爾科夫模型屬于生成概率模型，它使用聯(lián)合概率分布為觀察序列從狀態(tài)集合中選擇具有最大可能性的狀態(tài)序列過程。條件隨機(jī)域?qū)儆谂袆e式概率模型（Discriminative Probabilistic Model）它是在給定觀察序列的條件下，計(jì)算整個觀察序列狀態(tài)標(biāo)記的概率無向圖學(xué)習(xí)模型。

Wong[23]結(jié)合隱馬爾科夫模型提出的概率圖模型對來自多個站點(diǎn)的數(shù)碼相機(jī)、MP3播放器和液晶電視的產(chǎn)品特征進(jìn)行聯(lián)合抽取和分組。Jin[24]基于隱馬爾科夫模型實(shí)現(xiàn)的OpinionMiner機(jī)器學(xué)習(xí)系統(tǒng)主要將詞性標(biāo)注信息與馬爾科夫假設(shè)相結(jié)合，產(chǎn)生的每個詞不僅由它前面的詞決定并且也依賴于自身的詞性標(biāo)簽。實(shí)驗(yàn)首先建立由產(chǎn)品特征項(xiàng)、正負(fù)觀點(diǎn)詞（包含顯式和隱式）和背景詞組成的標(biāo)簽集，然后利用該標(biāo)簽集手工標(biāo)注訓(xùn)練文檔，接著將該標(biāo)注的文檔通過自學(xué)習(xí)的方式抽取高置信度的特征項(xiàng)，最后應(yīng)用基于HMM的模型用來抽取出所有產(chǎn)品特征和觀點(diǎn)詞。Li[25]采用Skip-CRF和Tree-CRF兩種CRF變體結(jié)合方式完成產(chǎn)品特征項(xiàng)的抽取任務(wù)，該方式可利用文本評論中的句子結(jié)構(gòu)并解決了傳統(tǒng)CRF在學(xué)習(xí)過程中只能使用詞序列的缺陷。其中Liu[10]和Choi[26]在實(shí)驗(yàn)中也用到條件隨機(jī)域（CRF）模型，其中Choi通過標(biāo)簽、依賴關(guān)系、詞距（Word Distance）和觀點(diǎn)句使用序列模式挖掘技術(shù)形成一套序列模式規(guī)則來發(fā)現(xiàn)產(chǎn)品特征項(xiàng)和觀點(diǎn)詞。對于中文評論文本中產(chǎn)品特征項(xiàng)的抽取工作，Song[27]首先人工定義文本模式構(gòu)成種子集合，再采用Bootstrapping算法從評論語句中抽取評價對象，然后將評價對象聚類為產(chǎn)品名稱和產(chǎn)品特征兩類，該方法取得較高召回率和準(zhǔn)確率，但忽視了產(chǎn)品名稱容易從產(chǎn)品評論網(wǎng)站的產(chǎn)品目錄結(jié)構(gòu)中獲取的特點(diǎn)。Yao[28]利用本體知識建立汽車領(lǐng)域的產(chǎn)品特征集。Liu[29]提出意見實(shí)例抽取（opinion instance extraction）建立相關(guān)領(lǐng)域知識完成特征項(xiàng)和情感詞同步抽取。

監(jiān)督學(xué)習(xí)方法可以自動從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)模型參數(shù)，解決了前兩種方法中需人工參與的問題，但是仍需要手工標(biāo)注訓(xùn)練數(shù)據(jù)，不同的產(chǎn)品意見挖掘模型需要標(biāo)注不同的訓(xùn)練集，耗時費(fèi)力并難以適用所有產(chǎn)品的特征抽取任務(wù)，并且手機(jī)這類電子產(chǎn)品更新?lián)Q代快，短時間內(nèi)就會有新的功能和特征參數(shù)面世。

32基于主題模型的特征抽取

主題建模是對文檔中隱含主題進(jìn)行無監(jiān)督的學(xué)習(xí)方法，它假定每篇文檔由多個主題組成，每個主題就是詞匯表中詞語的條件概率分布，主要由若干出現(xiàn)頻率較高的詞語組成，只有這些詞語才與主題有很強(qiáng)的相關(guān)性。

主題模型主要有兩類：概率潛在語義分析[30]（Probabilistic Latent Semantic Analysis）和隱含狄利克雷分布[31]（Latent Dirichlet Allocation）。從技術(shù)上講，主題模型是基于貝葉斯網(wǎng)絡(luò)的圖模型，pLSA和LDA均能直接應(yīng)用于意見挖掘中的產(chǎn)品主題和意見主題抽取，為了避免抽取主題的混亂，部分研究者用聯(lián)合模型（Joint Model）分別完成產(chǎn)品特征項(xiàng)和意見詞的抽取工作。

擴(kuò)展的主題模型在產(chǎn)品特征項(xiàng)抽取中應(yīng)用較多，Mei[32]在pLSA主題模型基礎(chǔ)上實(shí)現(xiàn)的主題情感混合（Topic-Sentiment Mixture）模型。該模型針對iPod等主題的即席（Ad hoc）查詢顯示各項(xiàng)特征（如：電池壽命、外觀、尺寸）詳細(xì)的情感極性及強(qiáng)度，并顯示各主題隨時間的情感變化曲線。主要實(shí)現(xiàn)思路是將單詞依照概率分布分為與主題無關(guān)的普通詞（如the，a，of）、正向主題相關(guān)詞、負(fù)向主題相關(guān)詞、中性主題相關(guān)詞4類，用最大期望（Expectation-Maximization）算法估計(jì)每個類中的詞項(xiàng)概率分布。實(shí)驗(yàn)結(jié)果證明其模型比Opinmind[33]系統(tǒng)中情感分析的粒度更細(xì)。

Titov[34]提出的多粒度LDA模型（Multi-Grain LDA）避免了LDA模型中出現(xiàn)的主題含義無法顯式確定的問題，并將其應(yīng)用于主題的情感摘要生成系統(tǒng)中。他認(rèn)為評論文檔是由滑動窗口（Sliding Window）的集合構(gòu)成，而滑動窗口又由文檔中連續(xù)的句子組成。每個滑動窗口中存在局部主題的概率分布，而整篇文檔對應(yīng)一個全局主題的概率分布。特征詞項(xiàng)不僅可以從局部主題的概率分布中生成，還可從全局主題的概率分布中產(chǎn)生。在對TripAdvisor.com網(wǎng)站獲取的關(guān)于hotel評論文本實(shí)驗(yàn)中，將hotel領(lǐng)域?qū)嶓w（如：London hotels、seaside resorts）作為全局主題，將屬于實(shí)體的特征項(xiàng)（如：service、location、rooms）作為局部主題，并將每個特征的評分（1～5的整數(shù)值）作為觀測值加入到模型中，同時假定對特征評論的文本是對該特征評分的預(yù)測信息，這樣完成了主題與特征項(xiàng)的關(guān)聯(lián)。

Zhao[35]等人結(jié)合最大熵（Maximum Entropy）和主題模型提出的ME-LDA模型（MaxEnt-LDA）利用句法結(jié)構(gòu)規(guī)則完成特征詞和與特征相關(guān)的意見詞抽取。該實(shí)驗(yàn)中首先在標(biāo)注的訓(xùn)練集中用ME算法學(xué)習(xí)一系列變量參數(shù)，然后從這些參數(shù)的多項(xiàng)概率分布中產(chǎn)生指示變量（Indicator Variable），最后通過指示變量來確定句子中的詞項(xiàng)是產(chǎn)品特征項(xiàng)還是意見詞。Sauper[36]將隱馬爾科夫（HMM）和主題模型結(jié)合提出的聯(lián)合模型（HMM-LDA）僅適應(yīng)于短文本片段的產(chǎn)品特征項(xiàng)抽取，如：“我最看中的是這款手機(jī)的外觀”中的“外觀”特征項(xiàng)抽取。該思路在Griffith[37]、Liu[38]、Lu[39]等人的文獻(xiàn)中也有所體現(xiàn)。Brody[40]提出的針對句子而非篇章級的局部隱含狄利克雷分布（Local LDA）模型完成餐館和上網(wǎng)本領(lǐng)域的產(chǎn)品特征抽取。Lin[41]等人對詞采集情感標(biāo)簽和主題標(biāo)簽實(shí)現(xiàn)的Joint Sentiment/Topic（JST）模型，而Jo[42]對句子采集情感標(biāo)簽和主題標(biāo)簽提出的Aspect Sentiment Unification Model（ASUM）模型均可看作是對LDA模型的擴(kuò)展。Mukherjee[43]等人認(rèn)為用戶對產(chǎn)品特征詞的歸類受個人主觀影響，因此采用半監(jiān)督方式實(shí)現(xiàn)ME-SAS模型（Maximum Entropy Seeded Aspect Sentiment）完成特征詞的抽取和聚類工作，主要由用戶提供少量特征種子詞再利用ME-SAS模型指導(dǎo)生產(chǎn)滿足用戶需要的其他特征詞。

與監(jiān)督學(xué)習(xí)技術(shù)相比，主題模型的優(yōu)勢在于無需人工標(biāo)注數(shù)據(jù)，并且在無人監(jiān)督情況下同時完成產(chǎn)品特征項(xiàng)的抽取和歸類任務(wù)。但是為了達(dá)到較高的準(zhǔn)確率，主題模型通常需要大量未標(biāo)注的數(shù)據(jù)進(jìn)行長時間訓(xùn)練。

4隱式與顯式產(chǎn)品特征間的關(guān)聯(lián)

上述方法主要對名詞或名詞短語這類顯式產(chǎn)品特征進(jìn)行抽取，對于那些沒有在語句中直接進(jìn)行描述，需要對句子進(jìn)行語義理解才能得到的隱式特征也不容忽視，它們通常由形容詞或動詞表示產(chǎn)品的某一屬性。如：“哇，iPhone 5s屏幕上的內(nèi)容，我要瞇著眼才能看清楚?！敝械膭釉~短語“瞇著眼看”表示手機(jī)的屏幕小。

近年來產(chǎn)品隱式特征抽取方面，各學(xué)者也介紹了自己的實(shí)現(xiàn)思路。Su[44]提出的聚類方法來建立那些假定為情感詞的隱式特征表達(dá)與對應(yīng)顯式特征之間的映射。該方法利用顯式特征和情感詞之間相互強(qiáng)化的關(guān)系，同時對兩者的內(nèi)容信息和情感鏈接信息不斷聚類形成產(chǎn)品特征簇和情感詞簇。Yan[45]等人基于PageRank算法提出的NodeRank來依據(jù)特征-情感對的重要程度對隱式特征進(jìn)行抽取。Tuarob[46]等人利用產(chǎn)品設(shè)計(jì)上下文知識，采用共詞網(wǎng)絡(luò)（Co-word Network）的概率模型，對Twitter中有關(guān)智能手機(jī)評論內(nèi)容完成隱式產(chǎn)品特征的抽取工作。Hai[16]提出的兩相共生（Two-phase Co-occurrence）關(guān)聯(lián)規(guī)則挖掘方法完成隱式特征（假定為情感詞）與顯式特征的匹配。該方法在第一階段對句中經(jīng)常共同出現(xiàn)的情感詞和顯式特征來說，將情感詞作為條件，顯式特征代表結(jié)果，由此生成對應(yīng)的關(guān)聯(lián)規(guī)則；第二階段將規(guī)則的結(jié)果（顯式特征）聚類以生成對情感詞更健壯的規(guī)則（Robust Rule）。如果情感詞沒有相應(yīng)的顯式產(chǎn)品特征，則將最佳規(guī)則簇內(nèi)的代表性詞作為識別出的產(chǎn)品特征。

5結(jié)語

本文結(jié)合國內(nèi)外的研究現(xiàn)狀從4個方面對意見挖掘模型中的產(chǎn)品特征抽取工作進(jìn)行了綜述，并指出了各自的優(yōu)勢和不足。隨著電子商務(wù)的日漸普及，產(chǎn)品意見挖掘作為情感分析的一個重要應(yīng)用方向，其產(chǎn)品特征抽取研究更具有舉足輕重的地位，未來需要深入研究的問題還有：

（1）由于受文化和表達(dá)習(xí)慣的影響，人們用不同的術(shù)語來表述同指特征（如：MMC卡，microSD卡、TF卡和擴(kuò)展卡均指手機(jī)的外部存儲卡），通過WorldNet或HowNet詞典進(jìn)行同義詞分組歸類的處理方式是遠(yuǎn)遠(yuǎn)不夠的，一方面詞典收錄的局限性導(dǎo)致縮略語、專門術(shù)語（Jargon）等無法識別；另一方面許多同義詞具有領(lǐng)域依賴性，因此對同指特征的抽取可通過查找網(wǎng)頁計(jì)算其與已知特征的互信息（Mutual Information）來決定。

（2）目前大部分研究集中在結(jié)構(gòu)化或半結(jié)構(gòu)化文檔集合的特征抽取上，但是近年來微博成為用戶進(jìn)行產(chǎn)品評論的重要信息源，由于其言簡意賅的特點(diǎn)和表達(dá)用語的不規(guī)范性，因此針對微博中短文本的產(chǎn)品特征抽取研究更具有挑戰(zhàn)性。

（3）隱式產(chǎn)品特征的抽取雖有進(jìn)展，但目前研究較少，筆者認(rèn)為借鑒前人研究的由少量顯式特征種子詞結(jié)合詞間相似度計(jì)量方法來抽取產(chǎn)品特征詞思路，利用Mikolov[47]在2013年實(shí)現(xiàn)的深度學(xué)習(xí)（deep learning）工具word2vec會提高產(chǎn)品特征詞的召回率和準(zhǔn)確率。

參考文獻(xiàn)

[1]Liu B.Web data mining：exploring hyperlinks，contents，and usage data[M].Springer Verlag，2007.

[2]Hu M，Liu B.Mining and summarizing customer reviews[C].Proceedings of the Proceedings of the tenth ACM SIGKDD international conference on Knowledge discovery and data mining，ACM，2004：168-177.

[3]Popescu A-M，Etzioni O.Extracting product features and opinions from reviews[M].Natural language processing and text mining.Springer.2007：9-28.

[4]Ku L-W，Liang Y-T，Chen H-H.Opinion Extraction，Summarization and Tracking in News and Blog Corpora[C].Proceedings of the AAAI Spring Symposium：Computational Approaches to Analyzing Weblogs，2006：100-107.

[5]Scaffidi C，Bierhoff K，Chang E，et al.Red Opal：product-feature scoring from reviews[C].Proceedings of the Proceedings of the 8th ACM conference on Electronic commerce，ACM，2007：182-191.

[6]Raju S，Pingali P，Varma V.An unsupervised approach to product attribute extraction[M].Advances in Information Retrieval.Springer，2009：796-800.

[7]Long C，Zhang J，Zhut X.A review selection approach for accurate feature rating estimation[C].Proceedings of the Proceedings of the 23rd International Conference on Computational Linguistics：Posters，Association for Computational Linguistics，2010：766-774.

[8]郝博一，夏云慶，鄭方.OPINAX：一個有效的產(chǎn)品屬性挖掘系統(tǒng)[C].Proceedings of the 第四屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集（上卷），2008.

[9]Liu B.Sentiment analysis and opinion mining[J].Synthesis Lectures on Human Language Technologies，2012，5（1）：1-167.

[10]Liu B，Hu M，Cheng J.Opinion observer：analyzing and comparing opinions on the web[C].Proceedings of the Proceedings of the 14th international conference on World Wide Web，ACM，2005：342-351.

[11]Baccianella S，Esuli A，Sebastiani F.Multi-facet rating of product reviews[M].Advances in Information Retrieval.Springer，2009：461-472.

[12]Stone P J，Dunphy D C，Smith M S.The General Inquirer：A Computer Approach to Content Analysis[J].1966.

[13]Jiang P，Zhang C，F(xiàn)u H，et al.An approach based on tree kernels for opinion mining of online product reviews[C].Proceedings of the Data Mining（ICDM），2010 IEEE 10th International Conference on，IEEE，2010：256-265.

[14]Zhuang L，Jing F，Zhu X-Y.Movie review mining and summarization[C].Proceedings of the Proceedings of the 15th ACM international conference on Information and knowledge management，ACM，2006：43-50.

[15]Du W，Tan S.An iterative reinforcement approach for fine-grained opinion mining[C].Proceedings of the Proceedings of Human Language Technologies：The 2009 Annual Conference of the North American Chapter of the Association for Computational Linguistics，Association for Computational Linguistics，2009：486-493.

[16]Hai Z，Chang K，Kim J-j.Implicit feature identification via co-occurrence association rule mining[M].Computational Linguistics and Intelligent Text Processing.Springer，2011：393-404.

[17]Qiu G，Liu B，Bu J，et al.Opinion word expansion and target extraction through double propagation[J].Computational Linguistics，2011，37（1）：9-27.

[18]Shi B，Chang K.Mining chinese reviews[C].Proceedings of the Data Mining Workshops，2006 ICDM Workshops 2006 Sixth IEEE International Conference on，IEEE，2006：585-589.

[19]Li Z，Zhang M，Ma S，et al.Automatic extraction for product feature words from comments on the web[M].Information Retrieval Technology.Springer，2009：112-123.

[20]Yu J，Zha Z-J，Wang M，et al.Domain-assisted product aspect hierarchy generation：towards hierarchical organization of unstructured consumer reviews[C].Proceedings of the Proceedings of the Conference on Empirical Methods in Natural Language Processing，Association for Computational Linguistics，2011：140-150.

[21]Eddy S R.Hidden markov models[J].Current opinion in structural biology，1996，6（3）：361-365.

[22]Lafferty J，McCallum A，Pereira F C.Conditional random fields：Probabilistic models for segmenting and labeling sequence data[J].2001.

[23]Wong T-L，Bing L，Lam W.Normalizing web product attributes and discovering domain ontology with minimal effort[C].Proceedings of the Proceedings of the fourth ACM international conference on Web search and data mining，ACM，2011：805-814.

[24]Jin W，Ho H H，Srihari R K.OpinionMiner：a novel machine learning system for web opinion mining and extraction[C].Proceedings of the Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining，ACM，2009：1195-1204.

[25]Li F，Han C，Huang M，et al.Structure-aware review mining and summarization[C].Proceedings of the Proceedings of the 23rd International Conference on Computational Linguistics，Association for Computational Linguistics，2010：653-661.

[26]Choi Y，Cardie C.Hierarchical sequential learning for extracting opinions and their attributes[C].Proceedings of the Proceedings of the ACL 2010 Conference Short Papers，Association for Computational Linguistics，2010：269-274.

[27]宋曉雷，王素格，李紅霞.面向特定領(lǐng)域的產(chǎn)品評價對象自動識別研究[J].中文信息學(xué)報，2010，24（1）：89-93.

[28]姚天，聶青陽，李建超，等.一個用于漢語汽車評論的意見挖掘系統(tǒng)[C].Proceedings of the 中文信息處理前沿進(jìn)展-中國中文信息學(xué)會二十五周年學(xué)術(shù)會議論文集，北京：清華大學(xué)出版社，2006：260-281.

[29]Liu J，Wu G，Yao J.Opinion searching in multi-product reviews[C].Proceedings of the Computer and Information Technology，2006 CIT06 The Sixth IEEE International Conference on，IEEE，2006：25-25.

[30]Hofmann T.Probabilistic latent semantic indexing[C].Proceedings of the Proceedings of the 22nd annual international ACM SIGIR conference on Research and development in information retrieval，ACM，1999：50-57.

[31]Blei D M，Ng A Y，Jordan M I.Latent dirichlet allocation[J].the Journal of machine Learning research，2003，（3）：993-1022.

[32]Mei Q，Ling X，Wondra M，et al.Topic sentiment mixture：modeling facets and opinions in weblogs[C].Proceedings of the Proceedings of the 16th international conference on World Wide Web，ACM，2007：171-180.

[33]Mei I-H，Mi H，Quiaot J.Sentiment Mining and Indexing in Opinmind[C].Proceedings of the ICWSM，Citeseer，2007.

[34]Titov I，McDonald R.A joint model of text and aspect ratings for sentiment summarization[J].Urbana，2008，51（61801.

[35]Zhao W X，Jiang J，Yan H，et al.Jointly modeling aspects and opinions with a MaxEnt-LDA hybrid[C].Proceedings of the Proceedings of the 2010 Conference on Empirical Methods in Natural Language Processing，Association for Computational Linguistics，2010：56-65.

[36]Sauper C，Haghighi A，Barzilay R.Content models with attitude[C].Proceedings of the，Association for Computational Linguistics，2011.

[37]Griffiths T L，Steyvers M，Blei D M，et al.Integrating topics and syntax[C].Proceedings of the Advances in neural information processing systems，2004：537-544.

[38]Liu J，Cao Y，Lin C-Y，et al.Low-Quality Product Review Detection in Opinion Summarization[C].Proceedings of the EMNLP-CoNLL，2007：334-342.

[39]Lu Y，Zhai C.Opinion integration through semi-supervised topic modeling[C].Proceedings of the Proceedings of the 17th international conference on World Wide Web，ACM，2008：121-130.

[40]Brody S，Elhadad N.An unsupervised aspect-sentiment model for online reviews[C].Proceedings of the Human Language Technologies：The 2010 Annual Conference of the North American Chapter of the Association for Computational Linguistics，Association for Computational Linguistics，2010：804-812.

[41]Lin C，He Y.Joint sentiment/topic model for sentiment analysis[C].Proceedings of the Proceedings of the 18th ACM conference on Information and knowledge management，ACM，2009：375-384.

[42]Jo Y，Oh A H.Aspect and sentiment unification model for online review analysis[C].Proceedings of the Proceedings of the fourth ACM international conference on Web search and data mining，ACM，2011：815-824.

[43]Mukherjee A，Liu B.Aspect extraction through semi-supervised modeling[C].Proceedings of the Proceedings of the 50th Annual Meeting of the Association for Computational Linguistics：Long Papers-Volume 1，Association for Computational Linguistics，2012：339-348.

[44]Su Q，Xu X，Guo H，et al.Hidden sentiment association in chinese web opinion mining[C].Proceedings of the Proceedings of the 17th international conference on World Wide Web，ACM，2008：959-968.

[45]Yan Z，Xing M，Zhang D，et al.EXPRS：An extended pagerank method for product feature extraction from online consumer reviews[J].Information & Management，2015，52（7）：850-858.

[46]Tuarob S，Tucker C S.A product feature inference model for mining implicit customer preferences within large scale social media networks[C].Proceedings of the ASME 2015 International Design Engineering Technical Conferences and Computers and Information in Engineering Conference，American Society of Mechanical Engineers，2015：V01BT02A002-V001BT002A002.

[47]Mikolov T，Chen K，Corrado G，et al.Efficient Estimation of Word Representations in Vector Space[J/OL].2013：1301-3781.http：∥adsabs.harvard.edu/abs/2013arXiv1301.3781M.

（本文責(zé)任編輯：郭沫含）