領(lǐng)域自適應(yīng)的中文情感分析詞典構(gòu)建研究.pdf

1、隨著Web2.0的迅猛發(fā)展,用戶在互聯(lián)網(wǎng)上的行為發(fā)生了巨大的改變,越來(lái)越多的人們?cè)诨ヂ?lián)網(wǎng)上表達(dá)個(gè)人觀點(diǎn),由被動(dòng)的接受信息轉(zhuǎn)為參與創(chuàng)建互聯(lián)網(wǎng)資源,由此互聯(lián)網(wǎng)信息量的爆炸式劇增使得單純依靠人工的方法收集和整理信息已遠(yuǎn)不能滿足越來(lái)越多的需求。因此,如何從海量的互聯(lián)網(wǎng)信息中自動(dòng)挖掘和整理主觀性信息尤為重要,情感分析任務(wù)應(yīng)運(yùn)而生。
　　情感分析是自然語(yǔ)言處理領(lǐng)域的一個(gè)重要話題,旨在對(duì)無(wú)結(jié)構(gòu)的主觀性文本進(jìn)行分析、處理和歸納,最終形成方便機(jī)器理

2、解和用戶使用的結(jié)構(gòu)化數(shù)據(jù)。情感分析是一個(gè)多學(xué)科綜合的研究領(lǐng)域,內(nèi)容涉及多層語(yǔ)言分析技術(shù),按照處理文本粒度的不同可以將情感分析分為篇章級(jí)、句子級(jí)和詞語(yǔ)級(jí)。情感詞是情感分析的重要組成部分,很多上層情感分析任務(wù)如篇章級(jí)、句子級(jí)和評(píng)價(jià)搭配識(shí)別等都需要情感詞典的支持,構(gòu)建高質(zhì)量的情感詞典對(duì)情感分析尤為重要。而由于不同領(lǐng)域的情感表達(dá)方式不同,甚至有可能同一個(gè)詞語(yǔ)在不同領(lǐng)域表達(dá)相反的極性,很難構(gòu)建一個(gè)復(fù)雜的情感詞典滿足所有要求。
　　本文提出了

3、一種基于半指導(dǎo)方法的情感詞典構(gòu)建框架,算法流程共包括3個(gè)步驟,分別是情感詞種子的獲取、構(gòu)建語(yǔ)義圖和計(jì)算情感分值。其中情感詞種子通過(guò)大規(guī)模用戶評(píng)論數(shù)據(jù)進(jìn)行自動(dòng)獲取;語(yǔ)義圖的構(gòu)建依賴于外部的語(yǔ)義資源,如同義詞詞林;我們分別嘗試了Topic-SensitivePageRank和標(biāo)簽傳播算法計(jì)算情感分值。此外,本文還嘗試結(jié)合有指導(dǎo)學(xué)習(xí)方法和隨機(jī)最小割算法進(jìn)行情感詞語(yǔ)極性識(shí)別,實(shí)驗(yàn)結(jié)果表明,隨機(jī)最小割算法可以有效提高情感極性識(shí)別效果。
　　

4、在此基礎(chǔ)上,本文在提出了基于統(tǒng)計(jì)分析的領(lǐng)域情感分析詞典構(gòu)建方法,主要流程包含領(lǐng)域評(píng)價(jià)對(duì)象抽取、領(lǐng)域情感詞語(yǔ)抽取和情感詞語(yǔ)的極性識(shí)別。其中領(lǐng)域評(píng)價(jià)對(duì)象抽取模塊我們使用了統(tǒng)計(jì)分析的方法;情感詞語(yǔ)抽取模塊以情感路徑的方式表達(dá)情感詞語(yǔ)和領(lǐng)域評(píng)價(jià)對(duì)象之間的關(guān)系,并使用句法路徑構(gòu)建情感路徑模版;最后對(duì)情感詞語(yǔ)進(jìn)行極性識(shí)別。
　　最后,本文設(shè)計(jì)并實(shí)現(xiàn)了領(lǐng)域自適應(yīng)的情感分析詞典抽取平臺(tái)SWMine,主要包括領(lǐng)域評(píng)價(jià)對(duì)象抽取、領(lǐng)域情感詞語(yǔ)抽取和情感