實體檢索結(jié)果傾向性分析.pdf

1、隨著論壇等互聯(lián)網(wǎng)社區(qū)的蓬勃發(fā)展,越來越多用戶參與到互聯(lián)網(wǎng)的建設(shè)中來,向互聯(lián)網(wǎng)貢獻(xiàn)數(shù)據(jù)。這些數(shù)據(jù)中很大一部分是對人物和事件的評論,包含了用戶的觀點和態(tài)度。瀏覽這些信息能夠幫助用戶了解輿論大眾對自己所關(guān)心事物的看法?；ヂ?lián)網(wǎng)中的情感信息是海量的,很難依靠人工方法收集和整理。搜索引擎是人們獲取信息的主要方式,但是搜索引擎關(guān)注的是事實相關(guān)的文檔,忽略了文檔中的情感信息。因此,本文將情感分析技術(shù)和搜索技術(shù)結(jié)合起來,當(dāng)搜索引擎接入的檢索串是實體時,以

2、搜索引擎的檢索結(jié)果為研究對象,分析包含實體的句子對實體的情感傾向。分析結(jié)果可以支撐情感檢索、信息過濾等任務(wù),具有很大的實用價值。本文中研究的實體包括數(shù)碼產(chǎn)品、人物、機(jī)構(gòu)和政策法規(guī)。
　　首先,本文提出了實體相關(guān)句識別問題的解決方法。該方法采用SVM分類算法,使用實體到評價詞語的依存句法路徑等特征,從包含實體的句子中選取真正和實體相關(guān)的句子,即評價對象是實體的句子。該方法能夠?qū)⑾嚓P(guān)句比例由不進(jìn)行實體相關(guān)句識別時的77.5％提高到85

3、.85%。
　　然后,本文提出了基于上下文擴(kuò)展的句子領(lǐng)域識別方法,該方法將包含實體的句子及其前后各兩個句子看作一個整體,并用這個整體表示包含實體的句子,并對其進(jìn)行分類。這種方法擴(kuò)充了待分類句子的內(nèi)容,一定程度上解決了數(shù)據(jù)稀疏問題。與直接對包含實體的句子進(jìn)行分類的方法相比,該方法顯著提高了分類的準(zhǔn)確率,但是政策法規(guī)和機(jī)構(gòu)的識別效果較差。通過分析發(fā)現(xiàn),政策法規(guī)和機(jī)構(gòu)的特征分布極其相似,這也造成了這兩個類別識別性能較差。
　　最后

4、,本文對包含實體的句子進(jìn)行了情感分類,將包含實體的句子分為褒義、貶義和客觀3類。本文采用SVM分類算法,使用評價詞語和unigram兩種特征,并采用信息增益對unigram特征進(jìn)行特征選擇。實驗結(jié)果表明,同時使用評價詞語和unigram兩種特征取得的效果比單獨使用其中一種特征取得的效果好。另外,通過分析unigram特征維數(shù)對情感分類性能的影響,發(fā)現(xiàn)隨著特征維數(shù)的增加分類準(zhǔn)確率很快就達(dá)到了飽和,這也說明特征選擇對句子級情感分類是極其必要