基于主题和关键词特征的比较文本分类方法

丁 勇，程家桥，蒋翠清，王 钊

1.合肥工业大学 管理学院，合肥230009

2.过程优化与智能决策教育部重点实验室，合肥230009

比较文本是指表达产品比较或产品特征（属性）比较含义的一类文本，其承载了用户的观点和建议，蕴含了大量的比较信息[1-3]。用户在论坛中各抒己见，比较信息匮乏的文本占据论坛用户生成内容中的多数[4]。相较于产品评论，问答文本（问题和答案）中产品比较信息更为丰富、集中。以汽车问答社区为例，在问题中，用户针对汽车整体或部分属性提问，其中的比较信息以产品整体比较或产品属性比较的形式存在；在答案中，其他用户针对提问内容进行响应，回答内容甚至扩充问题中比较主体的边界，获得更多更有价值的信息，如表1所示。相较于用户评论，问答文本由多个用户的观点组成，不同用户在提问（回答）时语言习惯、逻辑不尽相同，并且会存在答案与问题不匹配的情况。因此，如何从问答文本中识别出富含比较信息的问答文本对于竞争产品分析尤为重要。

表1 问答社区中问答文本实例Table 1 Examples of Q&A text in Q&A community

传统的比较文本分类采用专家自定义规则和关键字分类模型[5-6]，然而基于专家系统的方法存在人工成本高、跨领域效果差、专家知识瓶颈等问题。更有效的方法是构建比较文本的分类特征，采用机器学习的分类方法实现自动分类[7]。一些研究从词频信息、句法结构、情感信息、社交属性、关键词等方面构建文本分类特征，尚未发现研究人员在比较文本分类中应用主题特征。……