典型文献
面向用户评论的主题挖掘研究——以美团为例
文献摘要：
[目的/意义]从海量自助餐用户评论数据中抽取有效关键词构建主题和主题词,协助商家了解用户口碑,进而更好的改善餐饮行业的管理水平.[方法/过程]通过融合TF-IDF、TextRank和LMKE三种不同的关键词抽取方法获取最优关键词,再对抽取的关键词进行语义聚类、主题识别、主题词挖掘和主题权重计算,最后在采集的美团数据集上进行验证方法的有效性.[结果/结论]实验结果表明,三种关键词抽取方法的融合比单个关键词算法效要好,文本评论聚类后的主题分别是:味道、菜品、环境、服务、价格,主题的重要程度依次是:味道36.2％、服务22.9％、价格15.1％、环境13.6％、菜品12.2％.实验结果证实,通过该方法能够有效识别和构建主题及主题词,并计算出用户对于不同主题关注的重点内容,同时为餐饮行业主题及主题词挖掘和应用研究提供了一定的理论和技术基础.[创新/局限]提出一种半监督语义聚类的主题识别、主题词构建和主题权重评估方法;不足之处在于本次实验仅以武汉地区的美食自助餐评论为主,其构建的主题适用性范围有限.
文献关键词：
用户评论;关键词抽取;主题挖掘;聚类分析;主题权重计算
中图分类号：
作者姓名：
曾金;张耀峰;黄新杰;黄廷海
作者机构：
武汉大学信息管理学院,湖北武汉430072;湖北经济学院信息管理与统计学院,湖北武汉430205;中国改革试点探索与评估协同创新中心湖北分中心,湖北武汉430205
文献出处：
引用格式：
[1]曾金;张耀峰;黄新杰;黄廷海-.面向用户评论的主题挖掘研究——以美团为例)[J].情报科学,2022(11):78-84,92
A类：
LMKE,主题权重计算
B类：
面向用户,用户评论,主题挖掘,美团,自助餐,评论数据,主题词,商家,户口,口碑,餐饮行业,TF,IDF,TextRank,关键词抽取,语义聚类,主题识别,团数,验证方法,文本评论,味道,菜品,重要程度,重点内容,技术基础,半监督,武汉地区,美食
AB值：
0.311652
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
