童仕宽，高 越，郭嘉祺，余雅霖

(1.武汉理工大学 理学院,湖北 武汉 430070;2.武汉理工大学 计算机科学与技术学院,湖北 武汉 430063)

随着电子商务与现代物流行业的蓬勃发展，网上购物因其安全、便捷、价格低廉、选择多样等优点逐渐得到广大消费者的青睐。不同于线下购物的低互动性，消费者在线上购物后可以对商品进行评级和评论。调查研究显示，线上评级与评论已成为消费者在购买商品前了解商品与服务信息的重要渠道。因此，通过挖掘商品评论信息的潜在价值，厘清消费者的显性和隐性需求，从而帮助企业优化产品设计、制定销售策略、开拓新兴市场，具有深远的研究意义与应用价值。

近年来，一些学者对提取商品评论中蕴含信息的方法进行了深入研究，搭建了多种理论模型。考虑到商品评论信息的多样性与复杂性，多数学者将评价状况总结为单一评价指标。如张野[1]以商品声誉作为衡量电子商务中商品信誉的标准，得到衡量商品声誉的评价模式。CARRILLO-DE-ALBORNOZ等[2]通过识别评论中的商品相关特征，以预测模型的形式对商品的总体评分进行预测，得到了更完善、更准确的商品评论状况指标。王乾等[3]提出综合文本评论与数值评分的综合评分计算方法，针对矛盾性评价引入LSTM-AE神经网络与支持向量机，得到了既可中和矛盾性评价差异，又不影响非矛盾性评价的评分结果。在对评论信息单一化整合的基础上，也有学者对评论具体信息及其之间的关系进行了讨论。……