1.目的：从用户的订单评论里，抽取观点，进行标签化，此标签可以用来作一些辅助决策或者填充到用户画像体系里。

其实评论挖掘的主要有两个部分，观点抽取和情感判断，主要的作用还是间接或直接引导用户购买意向，像淘宝，京东类似的智能展示。而评论的主语都是商家，但如果平台即是商家的话，展示评论观点就会显得比较鸡肋，因为不可能展示对自身不好的评论。因此在这种情况下，评论挖掘的意义更在于知道用户对商家的反馈，建模统计用户对商家的关注点是什么，例如是对商家的服务、价格还是app应用的反馈问题，知道这些，可以更好的对产品进行更好的决策和更改。

参考书籍：https://pan.baidu.com/s/1aHP7q8ktJWSVhTBRiziECw，美团机器学习实践。

2.例子：

             输入：车子价格优惠，车况良好，服务态度很好，很周到。

             输出：价格优惠、车况不错、服务好

3.方案：

a.刚开时我做的时候，是先调用了百度AI平台的观点抽取，发现不怎么好用，可能是我所在行业所导致的，有很多大量的专有词汇。

b.评论标签化，可以看成noun+adj，也就是名词和描述性词汇的结合。有一个大众的做法，就是通过依存句法分析来进行匹配，然后word2vec向量化+dbscan聚类，就可以做到类似淘宝那种评论观点显示，例子：

输入：服务很到位   

依存句法分析输出后：主谓关系：服务，状中结构：很，核心关系：到位

可以看出最终的结合是主谓关系+核心关系，就可以将评论观点抽取出来。不过这种方法问题还是很大，实际运用时，不能单单只靠依存句法分析来处理，会出现很多问题的。

c.首先得建立独有的词表(跟自己行业有关)，比如名词词表，像我的行业里，独有的有车况，取车，还车，手续之类独有的，描述性词表同理（这个手动去挑选比较好，如果词典比较大，再用代码去挑选）。注意：有些词汇出现的频率非常高，但是其不是名词，也不是形容词的话，这种情况要单独挑选出来处理，以免纰漏。

两个词表建立完以后，可以通过word2vec去将相似的词汇进行聚类统一(实际运用时还不如直接人工简单粗暴的好用)。这两个词表在去结合依存句法分析来进行提取，就会比较准确。

d.评论最后都抽取完以后，就可以进行统计分析了，或者出于业务角度来进行应用。