基于Bi-LSTM和CRF的中文网购评论中商品属性提取

摘要

随着电子商务系统评价体系的完善,网购评论的内容对消费者的购物起到十分重要的指导作用.但是消费者不能从大量评论中找到自己直接关心的商品属性(如:手机产品的属性"电池")以及属性相关评价(如:"电池容量很大").相对于构建知识库和传统机器学习的方法,需要人工总结复杂的特征和规则来提取商品属性和属性相关评价.本文应用基于词嵌入融合双向长短时记忆网络(Bi-LSTM)和条件随机场(CRF)的方法并根据在评论中属性多为名词、属性评价多为形容词的特点在Bi-LSTM+CRF模型中融入词性特征,实现对评论中的商品属性以及属性评价的自动化提取,在避免总结规则的同时更具领域普适性.通过测试相机、男装、儿童安全座椅3个商品领域,得到了宏精确度为86.74％,宏召回率为85.89％.