电商信息资讯,更全更新信息实报!
主页 > 知识 > > 正文

一种基于电商评论的用户侧商品知识图谱构建方法与流程

来源:网络整理 发布时间:2021-11-08 09:05 标签:电子商务实体关系图文本分类
浏览:

一种基于电商评论的用户侧商品知识图谱构建方法与流程

1.本发明涉及计算机技术领域,尤其涉及一种基于电商评论的用户侧商品知识图谱构建方法。

背景技术:

2.知识图谱是一种用图模型来描述知识和建模万物之间关联关系的技术方法。近年来随着互联网的兴起和电子商务的蓬勃发展,面向电商的搜索、推荐等应用的研发也越来越多。知识图谱作为一种描述实体和概念关系的强大工具,也逐渐被引入到电商系统中,以提升对用户查询请求的语义理解和识别效果。但是目前电商平台的知识图谱构建方法,仍以商品提供者的视角为主,抽取商品的信息和基本属性作为知识,几乎没有从用户视角切入构建用户侧商品知识图谱的应用研究。

3.在互联网电商平台上,每天都会产生海量的用户评论数据,这些评论中蕴含的观点信息,会为购买商品的用户提供重要的决策参考。因此,知识图谱作为大型电商系统智能化搜索、推荐的一项基础设施,若能融合用户侧的观点认知信息,将带来巨大的实际价值。然而目前对于电商用户侧知识图谱的构建,尚缺乏一套简单易用、高效的方案。

技术实现要素:

4.为解决上述技术问题,本发明提供了一种基于电商评论的用户侧商品知识图谱构建方法,通过对来自电商平台的用户评论数据进行词性标注以抽取领域词汇,再以此为基础,通过依存句法分析技术挖掘用户的观点意见,最终提取出和该商品细分领域相关的知识,构建知识图谱的方案。该方法可以快速从商品评论中获取到用户对商品某些属性的评价态度,以及用户特别提到的品牌等信息,并利用这些信息构建基于用户侧认知的知识图谱。

5.具体包括五个步骤:步骤一:从互联网上采集到的电商原始评论数据中,提取用户评论涉及的商品以及评论文本内容。将涉及同一商品的评论汇总,并对分句根据句号、问号、感叹号三种标点对句子进行切分处理,其目的在于方便接下来的句法分析。

6.步骤二:抽取商品细分类目、专业领域相关的词语以及组织和机构等名字,形成领域词典。

7.步骤三:对步骤一的分句结果分别进行依存句法分析,使用hanlp工具包中的依存句法分析api,提取分析结果中的主谓关系和定中关系。

8.步骤四:结合步骤二中得到的领域词典,对步骤三中提取的主谓关系和定中关系进行过滤。若关系中出现了领域词典中的词语,则将其保留,从依存句法关系出发,主谓关系做情感分析分类为好评、差评关系,定中关系结合领域词汇过滤,得到品牌关系(has_part_of),得到构建知识图谱的候选关系。

9.步骤五:对过滤后的主谓关系进行正负面情感分类,得到用于构建知识图谱的实

体关系。具体地,将同一商品、同一主语的候选主谓关系进行归类,检查相应的谓语是否具备明显的情感倾向,若其表达正面情感,则对应的主语得分+1,若其表达负面情感,则对应的的主语得分

1,若该谓语不表达明显的情感倾向,则相应主语得分为0。统计主语总得分,若得分为正数或0,则分类为is_good_at关系,若得分为负数,则分类为is_bad_at关系。结合之前抽取出的组织名、机构名等,对候选定中关系单独建立一类has_part_of关系。将上述关系组织为知识三元组,构建知识图谱。

10.进一步,所述步骤一中,所述电商原始评论数据包括提到的商品、商品细分类目和评论文本内容。将原始数据中引用商品字段、评论正文字段中的内容提取出来,引用相同商品的评论归为一类,得到每个商品对应的评论文本集合。所述用户评论涉及的商品以及所述评论的文本内容,基于所述电商原始评论数据,以所述用户评论涉及的商品为实体单位进行整合。最终将商品作为头实体出现,并由is_good_at和is_bad_at关系指向不同的属性,所以需要把一个商品的所有评论聚集到一起。

11.进一步,所述步骤二中,词性的概念不局限于语法层面,即组织名或机构名也作为一种特殊的词性出现。

发表评论
验证码: 点击我更换图片

注:网友评论仅供其表达个人看法,并不代表本站立场。

热门文章

  • 2020年国内十大生鲜电商平台排名!
    2020年国内十大生鲜电商平台排名!

    2020年国内十大生鲜电商平台排名!

    目前除了我们熟知的天猫生鲜、京东生鲜等生鲜平台,还有哪些生鲜电商o2o平台呢?接下来我们就一起来看看2020年十大生鲜电商平台有哪些!每日一淘是一个...

  • 知识图谱完整项目实战(附源码)(3)
    知识图谱完整项目实战(附源码)(3)

    知识图谱完整项目实战(附源码)(3)

    本文是《知识图谱完整项目实战(附源码)》系列博文的第3篇:汽车知识图谱系统架构设计,主要介绍汽车领域知识图谱系统的总体架构设计和关键技术。...

  • 为电商而生的知识图谱,如何感应用户需
    为电商而生的知识图谱,如何感应用户需

    为电商而生的知识图谱,如何感应用户需

    如何建设一个比较通用的面向应用的概念体系,支持根据业务需求提供查询服务,已经迫在眉睫。mining流程后持续扩大挖掘覆盖),目前数据已经作为类目预...

  • 阿里知识图谱首次曝光:每天千万级拦截
    阿里知识图谱首次曝光:每天千万级拦截

    阿里知识图谱首次曝光:每天千万级拦截

    阿里妹导读:借助阿里知识图谱的建设,阿里电商平台管控从过去的“巡检”模式升级为发布端实时逐一检查。在海量的商品发布量的挑战下,最大可能地...

  • 互联网+生鲜电商解决方案 生鲜电商O2O解
    互联网+生鲜电商解决方案 生鲜电商O2O解

    互联网+生鲜电商解决方案 生鲜电商O2O解

    生鲜电商O2O解决方案(38页珍藏版)》请在人人文库网上搜索。度上限制了生鲜电商的发展。方的农业生鲜交易平台存在小、弱格局。、配送企业、线下门...

人物

更多 >
人物马云:区块链不是泡沫
人物李彦宏:百度有自己的价值观 未来“AI战
人物吴欣鸿:美图秀秀下一个十年发力图片社
人物最贵的离职:陆奇带走了百度900亿市值
人物刘强东代言上瘾,这次为核桃代言

专题

更多 >
广告位