[发明专利]一种基于机器学习的电商产品客户满意度分析方法

摘要

本发明公开了一种基于机器学习的电商产品客户满意度分析方法，其中所述方法包括：获取电商产品评论文本，进行分词、词性标注等数据预处理；选定汉语组块标记符号对分词结果进行手工标注；基于Lib‑SVM工具，训练模型，进而获取名词性汉语组块作为候选商品特征，计算TF‑IDF值过滤特征；构建情感词典，计算商品每个特征的情感得分；训练词向量语言模型，得到商品特征的向量表示；基于词向量相似度，对商品特征进行客户满意度聚类，并计算总得分。本发明的方法可以应用在基于商品评论文本的商品推荐系统，通过客户满意度分析，聚类出商品特征五个方面，降低商品特征维度以及稀疏性，使所设计的推荐系统具有更加快速和准确的性能。

主权项

1.一种基于机器学习的电商产品客户满意度分析方法，其特征是包括如下步骤：步骤S1：从相关电商平台获取电商产品评论文本，进行分词、词性标注等数据预处理；步骤S2：选定汉语组块标记符号，对步骤S1中得到的分词结果进行手工标注，作为获取汉语组块模型的训练样本；步骤S3：利用所述步骤S2中得到的训练样本，基于Lib-SVM工具训练，得到可以在商品评论文本中自动标注汉语组块的模型，然后在全部评论上进行汉语组块的自动标注，进而选取名词性汉语组块作为候选商品特征词集合，并对候选集合按照一定的规则进行过滤；步骤S4：构建情感词典，利用所述步骤S3中得到的商品特征词集合，计算商品每个特征的情感得分；步骤S5：利用所述步骤S3中得到的商品特征词集合，训练特征词的词向量模型，得到商品特征词的向量表示；步骤S6：利用所述步骤S5中得到的商品特征词向量，基于词向量相似度，对商品特征词进行客户满意度聚类分析，利用所述步骤S4中得到的商品每个特征的情感得分，计算出每一类的平均分作为最终得分。