基于在線評論的細(xì)粒度情感分析研究.pdf

1、隨著互聯(lián)網(wǎng)和電子商務(wù)的迅猛發(fā)展，網(wǎng)絡(luò)為企業(yè)和消費(fèi)者進(jìn)行消息的發(fā)布、傳播和溝通提供了便捷的途徑和平臺。消費(fèi)者在網(wǎng)購商品會會依據(jù)自己的購物體驗(yàn)對商品的各個(gè)方面做出評價(jià)，因此，這些評論中蘊(yùn)含了消費(fèi)者的情感傾向。對這些情感傾向研究對于消費(fèi)者、商家以及有關(guān)的管理機(jī)構(gòu)進(jìn)行決策活動具有重要的參考意義。對于消費(fèi)者，可以在購買時(shí)提供真實(shí)的商品信息;對于商家，能夠掌控商品質(zhì)量和管理等方面的不足;對于相關(guān)管理機(jī)構(gòu)，可以更好地進(jìn)行指導(dǎo)監(jiān)管工作。大量的在線評論信

2、息中蘊(yùn)含著豐富的情感傾向，對其進(jìn)行研究挖掘出有用的信息是我們當(dāng)前需要解決的問題。鑒于此，本文以真實(shí)的在線商品評論為研究對象，對其進(jìn)行情感傾向性研究，尤其是在細(xì)粒度的情感傾向獲取方法和強(qiáng)度的研究。
　　首先，論文介紹了文本和情感挖掘方面的理論知識，包括中文分詞、詞性標(biāo)注、文本特征抽取及其分類算法。在這些基礎(chǔ)之上分析了在線評論的復(fù)雜性，提出了有用性評論的篩選，減少無用評論對后續(xù)情感分析研究的干擾。經(jīng)過實(shí)驗(yàn)證明，選用IG方法進(jìn)行特征選擇

3、，結(jié)合SVM方法作為分類器進(jìn)行評論的有用性選擇是最有效的組合。其次，本文總結(jié)了在線評論依存句法分析中特征詞和評價(jià)詞的構(gòu)成形式及兩者之間的搭配關(guān)系構(gòu)成規(guī)則，提出了基于依存句法的混合特征觀點(diǎn)對提取算法，可以更加準(zhǔn)確地將在線評論細(xì)粒度級別的特征與觀點(diǎn)進(jìn)行挖掘，在保證基于依存句法的方法的準(zhǔn)確率的同時(shí)提高了特征觀點(diǎn)對抽取的召回率。然后，針對從在線評論中提取出的特征觀點(diǎn)對，本文采用基于《知網(wǎng)》的情感傾向性方法進(jìn)行情感傾向的判斷，對具體的評論信息實(shí)現(xiàn)