用户商品评论自动分类

                                                              用户商品评论自动分类                

          实习阶段的任务是对商品评论信息进行自动分类，主要针对的是家用电器商品评论数据，现在实习要结束了，来总结一下实现这一任务的主要流程。

一语料库的准备

商品评论数据的主要特点：

1）评论一般较短，并且语言口语化，没有标准的语法规则，经常出现网络词汇

2）评论一般涉及商品的多个属性

针对这些特点，我将评论拆分成句子，然后人工给每个句子打标签，作为训练模型的语料库。

这样做的优缺点是：

1、  使得一条评论可以有多个标签，这满足一条评论涉及商品多个属性的需求。

2、  可以提高评论的分类精度，这是因为如果评论具有某个属性标签，只要其中的一个句子被正确打上这个标签，那么该评论就被赋予了这个属性标签。

3、  需要更多的人工去为句子打标签。

由于数据缺乏，只对某个商品的三个属性进行了自动分类。

二 自动分类流程

1） 分类流程

文本自动分类的过程总体可划分为训练阶段和分类阶段两部分。训练的目的是通过文本和类别之间的联系构造分类模型，使其用于分类。分类过程是跟据训练结果对未知文本进行分类，给定类别标识的过程。

2）  可利用工具：LingPipe

lingpipe 是alias公司开发的一款自然语言处理软件包，功能非常强大，最重要的是文档很详细，每个模型甚至连参考论文都列出来了，不仅使用方便，也非常适合模型的学习，并且是java开源的。