基于回复支持的关键评论提取方法

吉林大学学报(信息科学版) ›› 2019, Vol. 37 ›› Issue (6): 671-676.

基于回复支持的关键评论提取方法

郭楠¹，张勤^2a，徐红艳^2a，郭舒^2b，刘志国³

1．沈阳广播电视大学科研处，沈阳110009; 2．辽宁大学a．信息学院; b．商学院，沈阳110036;3．中国石油天然气股份有限公司华北化工销售分公司，郑州450000

出版日期:2019-11-24 发布日期:2020-01-06
作者简介:郭楠( 1979— ) ，女，沈阳人，沈阳广播电视大学副教授，硕士，主要从事计算机控制与应用技术研究，( Tel) 86-15640011497( E-mail) 55380833@ qq． com。
基金资助:
2018 年辽宁省普通高等教育本科教学改革研究基金资助项目( 201804) ; 文化和旅游部基金资助项目( xxhfzzx201804)

Key Comment Extraction Method Based on Reply Support

GUO Nan¹，ZHANG Qin^2a，XU Hongyan^2a，GUO Shu^2b，LIU Zhiguo³

1． Scientific Research Department，Shenyang Television University，Shenyang 110009，China;2a． College of Information; 2b． Business School，Liaoning University，Shenyang 110036，China;3． North China Chemical Sales Branch，PetroChina Company Limited，Zhengzhou 450000，China

Online:2019-11-24 Published:2020-01-06

摘要/Abstract

摘要： 当前网络中充斥着大量的虚假评论，准确识别出代表用户真实感受的关键评论成为评论分析领域研究的热点问题。为此，提出一种基于回复支持的关键评论提取方法，该方法从用户对评论的反馈行为出发，重点考量评论点赞和评论回复两个指标，通过计算评论点赞率和回复率获取评论的回复支持情况，仅对回复支持度高的评论进行提取，从而剔除了大量虚假或无用的评论，提升了关键评论提取的准确性。最后，通过与现有主流方法进行实验对比，验证了该方法具有较高的正确率和召回率。

关键词: 在线评论, 回复支持, 关键句提取, 潜在狄利克雷分布

Abstract: Online comment is an effective way for users to express their opinions or suggestions on commodities．Analysis of comments is the basis of developing personalized services and improving the performance of commodities． However，there are a lot of false comments in the network． Accurate identification of the key comments which represent users' real feelings has become a hot issue in the field of comment analysis． A key comment extraction method based on reply support was proposed． The proposed method starts from user's feedback behavior to comments，and focuses on two indicators: like comment and comment reply． By calculating the like comment rate and comment reply rate，the method obtains the comment's reply support，only extracts the comment with high reply support，thus eliminating a large number of false or useless comments，and improves the accuracy of key comment extraction． Finally，through the experimental comparison with the existing mainstream methods，it is verified that the proposed method has a high accuracy and recall rate．

Key words: online comment, reply support, key sentences extraction, latent Dirichlet allocation ( LDA)

中图分类号:

TP391

郭楠, 张勤, 徐红艳, 郭舒, 刘志国. 基于回复支持的关键评论提取方法[J]. 吉林大学学报(信息科学版), 2019, 37(6): 671-676.

GUO Nan, ZHANG Qin, XU Hongyan, GUO Shu, LIU Zhiguo. Key Comment Extraction Method Based on Reply Support[J]. Journal of Jilin University (Information Science Edition), 2019, 37(6): 671-676.

[1]	唐露, 王从庆. 基于Tree-CNN 的飞机腐蚀铆钉分类[J]. 吉林大学学报(信息科学版), 2020, 38(1): 55-63.
[2]	秦喜文, 郭宇, 董小刚, 郭佳静, 袁迪. 基于局部均值分解和迭代随机森林的脑电分类[J]. 吉林大学学报(信息科学版), 2020, 38(1): 64-71.
[3]	曹峻博. 基于人体测量的小户型室内空间舒适性布局方法[J]. 吉林大学学报(信息科学版), 2020, 38(1): 86-93.
[4]	千承辉, 张昕昊, 陶锦, 刘俊麟. 基于Kinect 的康复训练系统设计与研究[J]. 吉林大学学报(信息科学版), 2020, 38(1): 92-98.
[5]	于再富, 袁满. 融合BabelNet 的多语言智能信息检索模型[J]. 吉林大学学报(信息科学版), 2020, 38(1): 99-106.
[6]	李彦清, 何绍鑫, 赵俊潇, 刘双宇, 任涛. 基于图像技术的钢球精确计数与尺寸识别系统[J]. 吉林大学学报(信息科学版), 2019, 37(6): 631-637.
[7]	胡荣, 崔荣一, 赵亚慧. 基于卷积神经网络的隐式评价对象识别[J]. 吉林大学学报(信息科学版), 2019, 37(6): 638-644.
[8]	付向艳, 蒲伟华, 甘霖. 统一容灾备份技术在高校数据安全中的应用[J]. 吉林大学学报(信息科学版), 2019, 37(6): 664-670.
[9]	王文军, 郭玉峰, 林旭光, 郭昊天, 李斌, 刘卫平. 用于轨道交通车载电源性能自动化评测系统[J]. 吉林大学学报(信息科学版), 2019, 37(6): 677-681.
[10]	李炜. 大数据云存储下海量数据传输完整度控制技术[J]. 吉林大学学报(信息科学版), 2019, 37(6): 682-686.
[11]	郭文骏, 陈雄智. 审计信息系统全覆盖联网数据精准定位方法[J]. 吉林大学学报(信息科学版), 2019, 37(6): 695-700.
[12]	刘霞, 李文. 基于变分模态分解的相关能量熵自适应阈值去噪[J]. 吉林大学学报(信息科学版), 2019, 37(5): 518-525.
[13]	袁满, 仇婷婷, 胡超. 细粒度课程知识元组织模型及知识图谱实现[J]. 吉林大学学报(信息科学版), 2019, 37(5): 526-532.
[14]	刘士兴, 鲁伟, 宋亚杰, 孙操. 基于CST 的连接器仿真研究[J]. 吉林大学学报(信息科学版), 2019, 37(5): 545-552.
[15]	赵毅, 向阳开, 梅迎军, 伍燕. 基于Unity 3D 的沥青混合料车辙虚拟仿真系统[J]. 吉林大学学报(信息科学版), 2019, 37(5): 553-558.