中文評價對象抽取中省略現(xiàn)象研究.pdf

1、近幾年,隨著國內(nèi)互聯(lián)網(wǎng)技術的迅猛發(fā)展,幾大電商如淘寶、京東等,正悄然改變著大眾的生活方式;同時,隨著微博等社交網(wǎng)站的崛起,國內(nèi)互聯(lián)網(wǎng)用戶越來越多的在網(wǎng)絡上發(fā)布自己的主觀觀點,產(chǎn)生了大量的中文評論文本。而這些富含大量信息的評論文本向中文情感信息抽取技術提出了新的挑戰(zhàn)。情感信息抽取旨在抽取文本中同情感信息表達相關的重要元素。該任務的深入研究有很重要的理論研究意義和實用價值。本文針對中文文本的情感信息抽取,尤其是評價對象抽取任務展開研究,研究

2、內(nèi)容主要包括以下三個方面:
　　本研究首先針對中文情感信息抽取語料缺乏的問題,提出了一套中文情感信息抽取語料標注體系,并構建一個規(guī)模較大、標注類型豐富的中文情感信息抽取語料庫。除了常見語料庫標注的情感傾向性、評價對象、情感詞等信息外,重點標注了評價對象的省略、無情感詞情感句表達及極性轉移等情況。由語料信息統(tǒng)計可知,評價對象省略現(xiàn)象在中文情感表達中普遍存在,開展這方面的研究很有必要。本文所構建的中文文本語料庫將為中文情感信息抽取任務

3、提供語料資源基礎。其次,提出了中文文本中評價對象省略識別方法。該方法將評價對象省略現(xiàn)象看做為一個二元分類問題,并考察當前句位置無關特征、當前句位置有關特征和上下文相關特征這三種不同類型的特征,應用到機器學習分類算法中。并且使用貪婪式的特征選擇算法選取每個領域的特征集合。實驗結果表明,本文提出的基于機器學習方法的評價對象省略識別方法能夠獲得較好的識別效果,最終選擇的特征集合在三個不同領域都能夠達到近80％的識別性能。最后,提出了一種結合省