《表6 两种方法挖掘的属性集示例》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于细粒度评论挖掘的书评自动摘要研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

总体而言，两种方法的抽取结果存在较大差异，基于LDA的方法在属性数量层面远小于基于本文使用的方法。基于LDA的方法仅能抽取出6种属性词，而本文使用的方法能够抽取出7种属性词。并且，对于每一个属性，本文使用的方法能够抽取出更多、更细粒度的属性。图书的内容属性和插图属性抽取结果如表6所示。本文使用的方法能发现更多细粒度的属性词；而基于LDA的属性抽取方法仅能挖掘少量图书属性，无法对同义属性进行聚类，进而无法保证已挖掘图书属性的全面性。例如，图书的内容属性，基于的LDA方法仅能发现“content”“viewpoint”等少数属性，而本文使用的方法发现了48个内容属性。通过以上分析可知，LDA方法可以抽取属性，但是依赖人工拣选，并且最终属性抽取数量较少，无法聚集其他相关属性；本文使用的方法能发现更多细粒度的属性，并且简单、高效。