我正在处理一个评论数据集。问题是要从评论中提取特定产品的重要（同一特征被评论的次数）正面和负面特征。

例如：some xyz car

正面： 里程好，漂亮，宽敞等

负面： 动力差，性能不好，软件问题等

关键是要提取产品的最佳和最差之处！

到目前为止，我使用了gensim的doc2vec来查找最佳的正面和负面句子。结果不太理想，因为它获取的是结构相似的句子，而不是所包含的相似特征。

回答：

一些关于“词语移动距离”计算的文章，用于识别相似句子/短语，它们使用评论作为数据集，并且似乎能够很好地提取常见主题和代表性短语。

例如请看：

“使用词语移动距离导航餐厅评论中的主题”http://tech.opentable.com/2015/08/11/navigating-themes-in-restaurant-reviews-with-word-movers-distance/

“使用Word2Vec和WMD查找相似文档”https://markroxor.github.io/gensim/static/notebooks/WMD_tutorial.html