文 献 综 述

一、选题背景与意义

随着互联网的应用和普及，在当今社会，网络已经成为了人们生活中不可或缺的一部分，电子商务也走进了人们的生活当中，网上购物随之也成为了人群更方便快捷的一种购物方式。而淘宝作为国内最大的C2C电子商务平台，其客户群相当庞大。但是客户同时面对着庞大的商品数据库，如何更加快速地做出购物选择是当前需要解决的一个问题。根据一些用户体验可知，用户经常会在几个商品中犹豫不决，此时大部分的用户会去浏览商品的评论帮助自己更快地做出购物选择^[1]。由此可见，其他用户对商品的评论对用户做最终决策时占有很重要的地位，对淘宝用户评论的分析价值也不可低估。

在信息化时代，正是由于网络的开放性、虚拟性与共享性，越来越多的用户会选择以发表在线评论的方式表达自己对商品或服务的看法。而通过这些评论，很容易影响对该类商品或者服务的销售。对网络用户来说，他们更愿意信任相同的购物人群的评论，而不是商家声情并茂的营销手段^[2]。

从海量的非结构化信息中抽取或挖掘隐含的有效信息就是目前亟需要做的事情，也是我毕业论文主要要完成的事情。通过对淘宝用户评论的有效分析，用户可以在更短的时间全面了解商品情况，缩短用户购买时间，用户不再需要和在线客服进行交流沟通从中获得商品具体信息，在评论文本中就能筛选出自己所需的信息，获取其他用户对购买商品或服务的情感倾向。一方面，用户缩短了购买过程中所花费的时间，另一方面用户的选择时间缩短了，意味着购买频率增加了^[2]，所以在同样的时间内，商家可以卖出更多的商品或者服务，同时也降低了淘宝工作人员的工作强度。因此无论对于买家还是卖家来说，现在所做的工作既能提高消费体验，又能降低消费成本。

二、选题研究现状

（一）文本挖掘研究现状

文本挖掘是近些年来一个新兴研究领域，主要是从大量的、无结构的文本信息中发现潜在的、可能的数据模式、内在联系、规律、发展趋势等，抽取有效、新颖、有用、可理解的、散布在文本文件中的有价值知识，并且利用这些知识更好地组织信息的过程。文本挖掘的研究领域范围较广，主要涉及自然语言处理、机器学习、数据挖掘、信息检索等多个内容，而不同领域的研究者对文本挖掘的应用目的也不同。

我国学术界正式引入文本挖掘的概念并开展针对中文的文本挖掘研究是近几年才开始的。从公开发表的有代表性的研究成果来看, 目前我国文本挖掘研究还处在消化吸收国外相关的理论和技术与小规模实验阶段^[3], 还存在如下不足和问题。

（1）没有形成完整的适合中文信息处理的文本挖掘理论与技术框架。在技术手段方面主要是借用国外针对英文语料的挖掘技术，没有针对汉语本身的特点，没有充分利用当前的中文信息处理与分析技术来构建针对中文文本的文本挖掘模型，限制了中文文本挖掘的进一步发展。