基于Web文本挖掘的企業(yè)口碑情感分類模型研究.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展，消費者越來越熱衷于通過博客、點評網(wǎng)站等渠道分享關(guān)于各種品牌、產(chǎn)品以及服務(wù)的購買心得，由此產(chǎn)生的網(wǎng)絡(luò)口碑會直接影響其他消費者的購買決策。一方面，積極正面的口碑可以為企業(yè)吸引更多的客戶，帶來更大的利潤;另一方面，過多的負面口碑會降低企業(yè)的信譽度，造成客戶的流失。因此，對企業(yè)網(wǎng)絡(luò)口碑進行情感分類，分析消費者的情感傾向，不僅有助于企業(yè)對負面口碑作出及時的反應(yīng)，制定有效的應(yīng)對策略;同時，通過對這些口碑文本細粒度的挖掘分析，還可以

2、發(fā)現(xiàn)其中的商業(yè)價值，將其應(yīng)用到產(chǎn)品個性化推薦，用戶興趣發(fā)掘等多個方面。
　　本文以Web文本挖掘技術(shù)為基礎(chǔ)，以情感分析技術(shù)為主線，研究了Web文本數(shù)據(jù)爬取，中文切詞分詞，停用詞過濾等文本采集與預處理的關(guān)鍵技術(shù);并在此基礎(chǔ)上研究了特征選擇方法及其對情感分類的影響;然后基于情感詞典構(gòu)建了企業(yè)口碑傾向性計算模型，并用于酒店口碑情感分類的實證;接著利用K最鄰近（KNN）算法構(gòu)建情感分類器，實現(xiàn)細粒度的情感模型，最后同樣針對酒店企業(yè)進行了細

3、粒度的情感分類實證研究。本文的主要的研究工作包括:
　　第一，研究了口碑網(wǎng)HTML頁面的DOM樹結(jié)構(gòu)，利用RostDM軟件設(shè)計了針對酒店評論的URL抓取規(guī)則和文本數(shù)據(jù)采集規(guī)則，采集了口碑網(wǎng)中兩千多條，近十萬字的酒店評論作為語料庫。該語料庫來自于消費者對酒店的主觀評論，具有專業(yè)性，情感特征明顯等優(yōu)點，對研究Web文本的情感傾向問題具有一定的意義。
　　第二，研究了特征選擇對情感分類的影響，在訓練文本分類器的過程中，特征項的選擇

4、對分類器的效率和精度有顯著的影響。本文采用KNN算法訓練不同維度的特征集，得出對于情感文本的分類，用于訓練的特征集并非越多越好。選取適量的特征集有助于提高后續(xù)研究的效率和準確度。
　　第三，構(gòu)建了基于情感詞典的口碑傾向性計算模型，該模型通過改進原有的知網(wǎng)詞典(HowNet)，重新構(gòu)建了情感詞詞典，添加了否定詞詞集以及程度副詞詞集，將不同強度的程度副詞劃分為五個等級，用于口碑文本的情感傾向性計算。并在該模型的基礎(chǔ)上對前面采集到的近千

5、條酒店口碑文本進行了情感分類。
　　第四，研究了細粒度的情感分類模型，對消費者所關(guān)注的酒店的房間、價格、位置、服務(wù)等屬性進行了情感傾向性分析。模型描述了構(gòu)建細粒度情感分類器的具體流程，通過計算文檔頻度提取出評論中情感詞所關(guān)聯(lián)的高頻屬性詞（比如:房間、價格、位置、服務(wù)等），將含有該屬性詞的文本歸為一組，利用RapidMiner文本挖掘軟件中的KNN算法分組訓練分類器，從而對消費者所關(guān)注的各個屬性進行情感分類。細粒度的情感分類幫助企業(yè)