中文意見挖掘的特征層次構建和抽取算法.pdf

1、隨著Web 技術的發(fā)展，網(wǎng)絡上現(xiàn)存的主觀意見表述文本陡增。主觀WEB 文本不僅能給其他用戶提供客觀的參考價值，并且產(chǎn)品生產(chǎn)方也可以及時根據(jù)用戶的意見言論來調正自己的產(chǎn)品設計以及營銷策略。因此主觀意見文本的處理也隨之受到人們的重視。近年來也成為了WEB數(shù)據(jù)挖掘的熱點。
　　 在中文意見挖掘中，相關學者都將如何準確得到意見詞的語義情感傾向作為他們的著手點，對準確獲取特征以及特征之間的關系相對研究較少。而特征的相關層次關系分析將對后面

2、的語義情感分析和對整篇評論的理解起到重要作用。
　　 因此，為了研究特征詞的抽取方法和特征層次關系的獲取方法，本文主要做了如下幾方面的研究工作：
　　 ①由于語料在中文文本挖掘中的重要作用，描述了不同語料在意見挖掘中的運用，分析了不同語料對于特征詞提取的作用。并針對不同語料介紹了不同的特征詞抽取算法。
　　 ②描述了中文語料中能夠體現(xiàn)概念上下位與部分整體關系的特定語法結構，并從統(tǒng)計的角度探索和深入地分析了漢語“的

3、”字結構短語中的概念上下位關系，總結出一種利用Tdf/idf 公式判定“的”字前后概念上下位關系的方法。
　　 ③研究給出了基于網(wǎng)絡的PMI 統(tǒng)計算法的一種新應用。通過使用特定語法結構短語在現(xiàn)有比較成熟的網(wǎng)絡搜索引擎中進行搜索，來獲取詞匯和加入特定語法結構的短語在網(wǎng)絡中被搜索到的次數(shù)，用于判斷詞匯之間的關系。
　　 ④分析了現(xiàn)有中文評論特征詞與意見詞所形成的詞對的抽取算法。并將Bootstrapping 算法和關聯(lián)規(guī)則算