1、電子商務交易過程中能夠產生大量有價值的用戶消費數據和口碑信息，這些信息能夠提供最直觀的用戶體驗，并有助于消費者對不同偏好、不同品質的產品進行篩選。這些短文本信息數量大，所要表達的主題針對性強。針對以在線評論為載體的口碑信息挖掘是研究熱點，本文的核心是從海量的評論文本中提取出具有代表性的關鍵詞，并對關鍵詞進行語義關聯，使之具有一定的解釋性和可讀性。該問題研究的難點是提出有效的關鍵詞抽取方法以及建立關鍵詞間的語義關聯。本文主要分為以下三部分

2、：
　　第一，為盡可能多的保留評論文本信息，避免分詞工具錯誤地識別未登錄詞而丟失信息，針對中文文本預處理過程中分詞后出現的大量的詞碎片，本文通過加入規(guī)則模型的詞碎片處理，識別詞碎片中單個字為主的未登錄詞和詞碎片組合的未登錄詞，以提高對評論文本的利用率和分詞準確率，為關鍵詞抽取和以關鍵詞為基礎的語義關聯奠定了基礎并提供了更豐富的語料信息。
　　第二，針對在線評論進行關鍵詞抽取，提出利用LDA主題模型、Word2vec詞向量模型

3、與TextRank相融合的關鍵詞抽取算法。本文將主題影響力納入到節(jié)點之間相互轉移的影響因素中，并認為主題影響力大的節(jié)點向主題影響力小的節(jié)點轉移的概率要大，利用 LDA主題模型計算候選詞在文檔中以潛在主題為中間層的主題影響力；并且，認為如果一個詞具有很強的文檔重要性，那么其他詞與該詞在語義上越是相近，則越具有重要性，這種語義上的相關性消除了基于詞頻辨識關鍵詞的影響，利用Word2vec詞向量方法計算文檔中詞匯之間的相似性度，將這種基于全局

4、和局部的候選關鍵詞信息融合到以鄰接關系為主的結構信息中；最后，通過圖模型TextRank算法計算出詞匯節(jié)點的得分，最后得到按得分排序的關鍵詞抽取結果。
　　第三，利用LDA主題模型和分布式表示中的Sentence2vec模型，在詞性分類基礎上，計算主題和語義相似的關鍵詞間的關聯度，按照關聯度大小對不同類別關鍵詞語義關聯關系進行排序，最終得到帶有關聯程度的在線評論文本的關鍵詞關聯結果。
　　本文針對在線評論的關鍵詞知識，提出語