商品评论标签提取作为商品评论中的一个比较有意思的问题。评论标签提取的主要任务是从评论中了解到用户对产品的哪些功能、属性进行了怎样的评论，并抽取成简短有效的信息。

关键词提取Vs评论标签提取

商品标签提取和关键词的抽取还不是同样的NLP问题，关键词提取更侧重于文章或者评论本身表达的意义，关键词窥探整个文本的主题思想，实验证明像TextRank, TFIDF等传统的方法抽取出来的关键词和评论观点相差很远。

目前我们实验了两版抽取过程，V1.0主要是基于深度学习TextCNN分类模型，V2.0主要是人工强规则+TextCNN模型，我们定义为半监督的个性化标签抽取。哈哈哈，名字比较忽悠人。。。。

标签提取，可以理解是一个多分类问题。我们首先想到了现在最火的深度学习模型FastText或者TextCNN，做分类准确率高，速度也要保证。但是在这个过程中需要大量的样本，自己标注，好像不太现实。首先我们想到了友商的评论数据，在此特意感谢一下友商贡献的标注数据。我们爬取了大概700w带标签的评论数据，针对有些数据不太符合我们的要求，剔除其中的一些。经过整理后，我们使用TextCNN模型（TextCNN会在下面的文章进行介绍）做多分类处理。

样本大概为：“快递送货较快，满意。空调外观大气、美观，个人非常喜欢，老婆也觉得很不错。安装的位置也很合适ÿ