基于中文微博的產(chǎn)品評價分類及推薦算法研究.pdf

1、微博是近年新興的網(wǎng)絡(luò)媒體傳播平臺，它具有內(nèi)容簡短、傳播速度快、用戶眾多等特點，而對于微博文本的情感分析是近年來數(shù)據(jù)挖掘的熱點之一，具有重要意義和價值。用戶在實施網(wǎng)上購物等行為時，都希望從微博上獲取關(guān)注產(chǎn)品的評價信息。本文針對中文微博產(chǎn)品評價信息挖掘中存在的文本格式不規(guī)范、網(wǎng)絡(luò)用語大量使用、成分省略等文本特點，及標記數(shù)據(jù)稀缺、手工標注困難等分類問題開展了如下幾項研究工作。
　　針對中文微博的文本特點，提出了一種情感評價單元構(gòu)建方法。

2、該方法分別構(gòu)建了情感評價詞、副詞和評價對象詞典，并制定了相應的成分補充和單元構(gòu)建規(guī)則，不僅保證了提取信息的全面性和準確性，還在精簡詞集、提高效率方面做出了嘗試。實驗表明，該方法的準確性比基于句法路徑的相關(guān)方法更高。
　　針對微博文本的分類問題，提出了一種基于圖半監(jiān)督學習的分類算法LP-SVM。該算法將標簽擴散過程與支持向量機相結(jié)合，不僅實現(xiàn)了少量標記樣本的分類，而且避免了圖半監(jiān)督學習不產(chǎn)生分類器，對于新數(shù)據(jù)只能重新訓練的問題。結(jié)合