中文商品屬性結(jié)構(gòu)化方法

　　 從非結(jié)構(gòu)化商品描述文本中抽取結(jié)構(gòu)化屬性信息，對(duì)于電子商務(wù)實(shí)現(xiàn)商品的對(duì)比與推薦及用戶需求預(yù)測(cè)等功能具有重要意義．現(xiàn)有結(jié)構(gòu)化方法大多采用監(jiān)督或半監(jiān)督的分類方法抽取屬性值與屬性名，通過(guò)文法分析器分析屬性值與屬性名之間的文法依存關(guān)系，并根據(jù)關(guān)聯(lián)規(guī)則實(shí)現(xiàn)屬性值與屬性名的匹配．這些方法存在以下不足：（1）需要人工標(biāo)記部分屬性值、屬性名及它們之間的對(duì)應(yīng)關(guān)系；（2）屬性值一屬性名匹配的準(zhǔn)確度受到語(yǔ)言習(xí)慣、句意邏輯、語(yǔ)料庫(kù)及屬性名候選集質(zhì)量的嚴(yán)重制約，提出了一種無(wú)監(jiān)督的中文商品屬性結(jié)構(gòu)化方法，該方法借助搜索引擎，基于小概率事件原理分析文法關(guān)系來(lái)抽取屬性值與屬性名．同時(shí)，提出相對(duì)不選取條件概率場(chǎng)，并使用PageRank算法來(lái)計(jì)算屬性值與屬性名的配對(duì)概率．該方法無(wú)需人工標(biāo)記的開(kāi)銷，且無(wú)論商品描述中是否顯式地包含相應(yīng)的屬性名，該方法都能自動(dòng)抽取到屬性值并匹配相應(yīng)的屬性名．使用百度搜索引擎上的真實(shí)語(yǔ)料，針對(duì)4類商品的中文描述進(jìn)行了實(shí)驗(yàn)．實(shí)驗(yàn)結(jié)果驗(yàn)證了對(duì)于候選屬性名的自動(dòng)生成，所提出的基于搜索引擎搜索屬性值，并在包含屬性值的搜索結(jié)果中抽取一般名詞的候選屬性名生成方法與只在描述句中抽取一般名詞的候選屬性名生咸方法相比，查全率提高了20%以上：對(duì)于非量化類屬性，所提出的基于相對(duì)不選取條件概率場(chǎng)的屬性值一屬性名匹配方法與基于依存關(guān)聯(lián)的方法相比，Rank-1的準(zhǔn)確率提高了30%以上，平均MRR提高了0.3以上．