中文客戶評(píng)論對(duì)象特征抽取方法.pdf

1、隨著Internet技術(shù)的蓬勃發(fā)展,越來越多的用戶參與到了互聯(lián)網(wǎng)的共同建設(shè)中來,由信息的被動(dòng)接受者變?yōu)樾畔⒌闹鲃?dòng)創(chuàng)作者。因此,在互聯(lián)網(wǎng)上存在大量用戶參與的,對(duì)于諸如人、產(chǎn)品等有價(jià)值的評(píng)論信息。這些評(píng)論信息反映了用戶的意見、觀點(diǎn)和立場,具有重要的研究價(jià)值。然而,隨著越來越多的用戶在互聯(lián)網(wǎng)上分享自己的觀點(diǎn)和意見,這些評(píng)論信息迅速的增加累積,僅靠人工的方式已經(jīng)很難對(duì)它們進(jìn)行分析處理。因此評(píng)論意見挖掘技術(shù)隨之而生,該技術(shù)主要涉及特征挖掘、用戶觀

2、點(diǎn)的抽取、情感分析技術(shù)等方面。評(píng)論意見挖掘首要工作是評(píng)論對(duì)象的特征挖掘,其準(zhǔn)確性和全面性對(duì)后續(xù)的研究具有重要意義。由于在評(píng)論中不同的詞可以用來描述同一種特征,所以評(píng)論對(duì)象特征的提取及聚類更具有挑戰(zhàn)性。針對(duì)中文客戶評(píng)論,對(duì)評(píng)論對(duì)象特征的抽取進(jìn)行分析和研究。以下概括了本文的主要研究內(nèi)容:
　　為了從中文客戶評(píng)論中提取出用戶感興趣的評(píng)論對(duì)象特征,本研究基于關(guān)聯(lián)規(guī)則理論,即Apriori算法提取出頻繁特征項(xiàng)集,最后根據(jù)三種剪枝規(guī)則對(duì)頻繁特

3、征項(xiàng)集進(jìn)行剪枝,得到初步的候選評(píng)論對(duì)象特征集合。
　　然后,針對(duì)基于Apriori算法抽取特征的查準(zhǔn)率不高的問題,引進(jìn)領(lǐng)域術(shù)語的概念,提高中文客戶評(píng)論對(duì)象特征挖掘的性能。本文將評(píng)論對(duì)象特征看成是評(píng)論語料的領(lǐng)域術(shù)語,利用領(lǐng)域一致度和領(lǐng)域相關(guān)度度量候選特征與評(píng)論領(lǐng)域的關(guān)聯(lián)程度,并對(duì)其進(jìn)行排序,過濾掉那些與領(lǐng)域關(guān)聯(lián)程度低的特征,實(shí)現(xiàn)挖掘性能的提高。
　　本文對(duì)特征間的語義相似度計(jì)算方法進(jìn)行了改進(jìn),既考慮詞語間的單獨(dú)相似度,又考慮了