[发明专利]一种基于产品评论观点挖掘的销量预测方法

权利要求书

1.一种基于产品评论观点挖掘的销量预测方法，其特征在于：该方法包括以下几个步骤：

步骤(1)数据采集：在电商网站上爬取产品评论，包括初次评论和追加评论；

步骤(2)数据预处理：首先，对采集的评论剔除重复和过短评论；其次，加载初次评论和追加评论到分词工具包，使用分词工具对文本分词；然后，加载停用词表去除停用词；最后，用处理后的分词语料库训练词向量，将文本转成向量表示；

步骤(3)提取产品属性观点对：在评论文本转成向量表示后，利用序列标注模型抽取每条初次评论和追加评论的产品属性及对应的情感强度和情感词，表达成三元组形式，并构建产品属性观点共现矩阵；

步骤(4)对提取的产品属性聚类：不同消费者对同一个产品属性会有不同的表达方式，因此需要对步骤(3)中提取的产品属性进行同义词聚类，选取同义词中的一个属性作为被评价的产品属性即可；

步骤(5)产品属性的情感极性判别：将转成向量的文本输入到情感分类模型中识别出初次评论和追加评论中每个产品属性的情感极性，情感极性分为正向、中立、负向三类，分别用1，0，-1表示，模型预测结果存储为二元组形式，其中产品属性就是步骤(4)中提取的产品属性；

步骤(6)计算产品属性评分值：根据步骤(5)中识别出的产品属性情感极性计算产品属性的情感值，再通过产品属性的情感值计算产品属性的评分值；产品属性情感值的取值范围为[-1,1]，产品属性评分值的取值范围为[1,5]，为了对应产品属性评分值的取值范围，可通过映射函数y＝2x+3将产品属性情感值x转化为产品属性评分值y；

步骤(7)计算产品总评分值：获取步骤(3)中的共现矩阵中产品各个属性出现的次数，根据次数计算产品属性的权重，将产品属性的权重和步骤(6)中计算的产品属性评分值线性相加得到产品总体评分值；

步骤(8)销量预测：根据步骤(1)到步骤(7)的操作，将初次评论计算出的产品总评分值、追加评论计算出的产品总评分值结合前期的历史销量作为销量预测模型的输入，训练销量预测模型，预测未来销量。

2.根据权利要求1所述的一种基于产品评论观点挖掘的销量预测方法，其特征在于：三元组形式包括产品属性、情感词、程度副词。

3.根据权利要求1所述的一种基于产品评论观点挖掘的销量预测方法，其特征在于：二元组形式包括产品属性、情感极性。