影評文法設(shè)計與影視作品標簽抽取研究.pdf

1、隨著信息數(shù)據(jù)呈現(xiàn)幾何級數(shù)膨脹，從大數(shù)據(jù)中獲取有價值的知識日益成為數(shù)據(jù)挖掘領(lǐng)域熱門的研究方向。目前國內(nèi)外已經(jīng)大量展開知識抽取以及分析方面的研究，同時基于中文數(shù)據(jù)的知識獲取研究也得到快速發(fā)展。本文通過分析影視作品評論數(shù)據(jù)，研究一種基于影評文法與影評知識本體的知識獲取方法，該方法是一種面向非結(jié)構(gòu)化中文數(shù)據(jù)的知識獲取方法，旨在從大量以非結(jié)構(gòu)化形式存在的影視領(lǐng)域重要知識中，獲取到有價值、具有代表性的影視領(lǐng)域知識。該方法也稱基于EKEL(Execu

2、table Knowledge Extraction Language)的影評挖掘分析方法，是針對影評文本進行自動獲取有用的電影基本信息和電影評價信息。基于EKEL的影評挖掘分析方法是一種結(jié)合影評文法的文本處理方法，運用設(shè)計好的影評文法結(jié)合EKEL形成一個文本知識挖掘系統(tǒng)，可以有效且準確地對影視領(lǐng)域中的評論信息和知識進行獲取。對獲取出來的影視領(lǐng)域知識作進一步分析，獲取影視領(lǐng)域中更具代表性的知識，然后將這些影視領(lǐng)域知識加以處理，通過轉(zhuǎn)化為

3、RDF(Reflective Display Film)或者owl(Web Ontology Language)形式，以便可以運用于某些特定領(lǐng)域，比如電影推薦系統(tǒng)中，問答系統(tǒng)。
　　本文首先介紹了影評初始本體的定義方法，以及其在影視作品標簽抽取中的作用。然后詳細說明了影評文法體系的四個組成部分，分別為載入影評初始本體文件，影視作品常量，影評文法模式，影評知識處理主體。詳細說明了各部分的定義方法以及其在影評文法體系中的作用。之后介紹

4、了EKEL系統(tǒng)的運行機制及功能，并說明了如何利用影評文法體系，結(jié)合EKEL系統(tǒng)對影視作品中標簽進行抽取。然后研究了如何完整系統(tǒng)的設(shè)計影評文法體系，并詳細說明了影評文法體系設(shè)計技術(shù)路線。通過對具體影評文法的設(shè)計，總結(jié)了影評文法體系中各部分的設(shè)計方法和應(yīng)遵循的規(guī)范。之后利用設(shè)計好的影評文法體系，同時結(jié)合EKEL系統(tǒng)，利用事先獲取的影視作品文本語料進行影視作品標簽抽取，產(chǎn)生EKEL分析樹，然后是對EKEL分析樹的深入分析及后處理，對獲取到的影

5、視作品標簽進行精細化處理，逐步擴充完善影評文法體系，優(yōu)化后的影評文法體系具有結(jié)構(gòu)清晰，描述合理完善，較強的泛化能力與抽取標簽?zāi)芰Α榱蓑炞C利用本文研究的知識抽取方法的有效性，設(shè)計影視作品標簽抽取實驗。在抽取實驗過程中，研究了一種針對影視作品標簽抽取效果的分析方法，本文通過計算對影視作品中一類標簽集抽取的精確率和召回率，分析實驗結(jié)果并總結(jié)利用本文所研究的知識抽取方法具有的優(yōu)點及需要改進的地方。最后總結(jié)了基于影評文法與影評領(lǐng)域知識本體的知識