在線中文評論情感分類問題研究.pdf

1、隨著計算機和網(wǎng)絡(luò)技術(shù)的快速發(fā)展,互聯(lián)網(wǎng)已經(jīng)成為生活中不可或缺的重要信息來源,深刻地影響了消費者的行為模式。越來越多的消費者開始瀏覽在線評論來了解產(chǎn)品和服務(wù)的口碑,以便做出明智的購買決策。在線用戶評論作為一種反饋機制也可以幫助生產(chǎn)者和銷售商了解產(chǎn)品的優(yōu)點和不足,從而改進產(chǎn)品改善服務(wù),獲得競爭優(yōu)勢。但在線評論增長十分迅速,在線評論對商家績效將產(chǎn)生怎樣的影響?怎樣有效地處理大量承載著信息的數(shù)據(jù)以獲取消費者情感傾向分布?怎樣區(qū)分評論信息和非評論

2、信息等問題逐漸成為當前管理和信息科學領(lǐng)域面臨的挑戰(zhàn)。在線中文評論相關(guān)研究仍處于起步階段,隨著中國互聯(lián)網(wǎng)規(guī)模和普及水平的提高,亟需展開在線中文評論自動挖掘技術(shù)。
　　本文在對國內(nèi)外研究成果梳理、總結(jié)的基礎(chǔ)上，運用經(jīng)濟管理、自然語言處理、文本分類、語言學等學科的理論和方法,從在線評論對商家績效的影響、評論情感傾向自動分析和評論與非評論識別三個方面來進行在線中文評論情感分類研究。本文主要研究內(nèi)容及創(chuàng)新點包括:
　　1、在線中文評論

3、情感分類研究問題的提出。通過整理現(xiàn)有在線評論挖掘相關(guān)文獻,將現(xiàn)有研究分為行為導向和技術(shù)導向兩種,提出了中文在線評論情感分類亟需進行的三個研究方面。對口碑、在線口碑、在線評論以及評論情感分類的概念進行界定,明確了本文的研究范疇。
　　2、研究了在線中文評論對商家績效的影響。以大眾點評網(wǎng)作為數(shù)據(jù)來源,將餐館頁面受關(guān)注度視為商家績效的代理,建立在線評論與商家績效的關(guān)系模型。結(jié)果表明消費者評論顯著正面影響商家績效,而網(wǎng)站評分和編輯評論的存

4、在顯著負面影響商家績效。接著詳細探討了第三方評論平臺和商家應(yīng)采取的在線評論管理和利用策略。最后分析了評論情感計算領(lǐng)域的學者應(yīng)該從哪些方面幫助人們自動理解在線評論。
　　3、研究了基于監(jiān)督學習的中文評論情感分類方法。探討了基于向量空間模型的中文評論情感分類方法,主要包括文本表示方法、特征選擇方法和分類方法。在N元語言模型的基礎(chǔ)上，研究了基于字符語言模型的中文評論情感分類方法。接著分別在中英文語料上，通過實驗比較了Na?ve Baye

5、s、SVM和字符語言模型的情感分類性能,以及訓練集規(guī)模對情感分類效果的影響。最后,探討了字符語言模型中N的取值對中文評論情感分類效果的影響。實驗結(jié)果表明,字符語言模型在中文評論情感分類任務(wù)中能取得比較好的效果。
　　4、研究了基于語義的中文評論情感分類方法。探討基于PMI-IR中文評論情感分類方法,著重考察 PMI-IR方法中搜索引擎和基準詞匯的選擇對評論情感分類效果的影響。提出一種利用搜索引擎返回的Snippet計算中文詞語和評

6、論情感傾向的方法,實驗結(jié)果表明 Snippet方法效果受基準正負面詞匯、窗口大小和分類閾值的共同作用。最后通過實驗比較了PMI-IR方法和Snippet方法對中文評論情感分類的效果,結(jié)果表明選擇適當?shù)幕鶞试~對,Snippet方法能夠取得比PMI-IR方法更好的分類效果。
　　5、研究了基于bootstrapping在Web大規(guī)模無標注真實語料中,自動構(gòu)建中文主、客觀語料集的方法。探討基于bootstrapping的中文主、客觀語句