如何基于匹配预设句式，动态提取用户评价标签

网络经济的发展使我们的消费渠道早已不止于实体场景。来自于用户的线上评价，成为如今影响我们消费行为决策的重要因素。

背景

在网上购物时，即使你已经浏览了商家对于商品的描述，你还是不会立即决定购买它，因为你不确定这些描述是否准确。这时你会寻找其他购买过此商品的用户评论，这些评论可能才会最终说服你。

购买旅行类产品也是一样。每天都有大量用户在马蜂窝平台用“评论”的方式，记录和评价他们在旅行中的感受和体验。而基于对评论内容深度挖掘产生的标签，则用一种更为简洁、直观的方式汇总评论信息中的重要内容，展示给更多的用户作为参考依据。

因此，如何在保证标签内容准确性的同时，体现出更符合用户语言习惯、让用户更容易理解的标签含义，对于提升用户在马蜂窝平台的体验，做出更符合自身需求的旅行决策，以及提升平台转化率、更好地监管商家服务品质等方面，都有很大价值。

从评价中提取标签的方式有很多，但在实际应用中存在一些问题，比如：

1. 预设标签

做法：预先定义好一些固定标签，由用户在发表点评时自主选择。

不足：固定标签数量受限，无法覆盖用户全部需求，并且标签和用户内容可能不匹配。

2. 句法分析

做法：对用户发布的点评内容进行解构，提取主题词和描述词组合后作为标签。

不足：在评价量非常大的时候，这种方法会产生大量标签，对计算性能要求高，并且维护不便。

3.多层级标签定义

做法：预先定义标签大类，在逐级细分，最后产生具体标签。

不足：产生大量维护工作。并且定义的层级灵活性欠佳，而且匹配的标签是关键词加指标词，不能很好地表达用户的言语习惯。

为了解决以上问题，马蜂窝推荐和搜索研发团队提出了一种通过匹配预设句式的模式，灵活、动态提取用户评论标签的方式，将每个预设句式归宿到固定标签分类，在分类显示中动态地采用最大数标签作为整个分类标签的显示方式，极大减少了固定标签的数量，并且每个句式是任意的多个词组联合组成，使最终提取的标签内容在更符合用户语言习惯的同时，更好地体现了不同评论内容标签的个性化和差异化。

基于匹配预设句式模板动态提取用户评价标签

首先和大家解释几个关键的概念。

标签：标签可以理解成对一个给定信息进行的具体描述。比如“离望京地铁站近”、“步行到大望路地铁站 1 分钟”等;

句式：这里，我们可以先简单理解成是对同一类型标签的集合，可以理解成“评价方式”，比如上句关于标签的举例，都是对“离地铁站近”的评价;

标签类别：同样，我们先简单理解成是对同一类句式，也就是一类“评价”的集合，比如上述句式包含在“交通方便”这类评价里。

三者关系可以描述为，一个标签类别包含了 m 个句式;一个句式会产生 n 个标签，所以一个标签类别最多会对应 m*n 个标签。

标签系统总体结构

系统主要有两部分内容：标签句式的定义和自动化的句式生成。今天主要介绍第一部分关于如何定义句式和产生标签。

图1 - 标签系统结构

具体做法和实施步骤

一、建立句式库

顾名思义，句式库是对所有预设句式的集合。接下来我们会具体讲解如何定义句式和产生标签。

图2 - 句式库示意

1. 建立词库

词库是由词组以及其包含的词语组成的。每个词组和词语分别具有唯一标识;词组是对其包含的词语的概括和汇总;词语为表示该词组的近义词、俗语、舶来词、英语、缩写等。例如：

词组：表示“班车”的名称集合

词语：班车，摆渡车，接泊车，shuttlebus 等是词组中的词语

词组也可以表示一类描述信息，比如：

词组：表示“距离近”的集合

词语：近，不远，很近，走路 1 分钟等

图3 - 词库示意

图4 - 词组示意