基于極大相容塊的產(chǎn)品評(píng)論文本情感分類研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的迅速發(fā)展，Internet已成為大多數(shù)人們表達(dá)自己觀點(diǎn)和獲取信息的平臺(tái)。越來越多的商家通過網(wǎng)上出現(xiàn)的大量評(píng)論信息，了解用戶對(duì)產(chǎn)品的消費(fèi)意見或建議，以便改進(jìn)產(chǎn)品的性能，提供更好的售后服務(wù)。當(dāng)然，網(wǎng)上的評(píng)論也為消費(fèi)者的購(gòu)物行為提供了參考。但是，網(wǎng)上的新評(píng)論每天都會(huì)大量地涌現(xiàn)，針對(duì)這些評(píng)論，僅靠人工去跟蹤和分析顯然是不行的。近年來，人們開始重視并探索評(píng)論文本中對(duì)產(chǎn)品的情感傾向性判別問題。
　　本文旨在研究面向產(chǎn)品評(píng)論文本的

2、情感分類問題，主要有以下幾方面的工作:
　　(1)基于最大熵與Bootstrapping相結(jié)合的方法實(shí)現(xiàn)關(guān)聯(lián)三元組的自動(dòng)抽取。
　　基于<產(chǎn)品特征Pfeature，情感詞Sword>關(guān)聯(lián)對(duì)的缺點(diǎn)，討論了否定性副詞與情感詞進(jìn)行搭配的必要性，提出了關(guān)聯(lián)三元組，能夠更確切地表示文本中評(píng)論句對(duì)產(chǎn)品特征的客觀情感傾向。對(duì)于關(guān)聯(lián)三元組的獲取，我們采用了兩個(gè)步驟:首先，利用已經(jīng)訓(xùn)練好的最大熵模型作

3、為分類器，結(jié)合Bootstrapping方法完成了產(chǎn)品特征與情感詞語關(guān)聯(lián)對(duì)的抽取;其次，利用算法將情感詞前的否定性副詞抽取出來，合成關(guān)聯(lián)三元組。
　　(2)提出一種新的基于領(lǐng)域知識(shí)的特征重要性度量方法，完成了對(duì)文本情感分類的特征抽取。
　　本文以汽車領(lǐng)域的評(píng)論文本作為研究對(duì)象，發(fā)現(xiàn)條件屬性值與決策屬性值往往具有強(qiáng)烈的相關(guān)性，利用這種相關(guān)性，針對(duì)非完備二分類決策信息系統(tǒng)，通過基于領(lǐng)域知識(shí)的條件屬性值映射，考察數(shù)據(jù)關(guān)于決策的一致

4、率和非一致率，以Shannon熵為基礎(chǔ)，定義了信息正增益和負(fù)增益，用分類信息熵及其拓展公式度量了條件屬性的重要性，并將其應(yīng)用于中文文本情感分類的特征選擇當(dāng)中，實(shí)驗(yàn)結(jié)果表明這種新的屬性重要性度量是有效的。這種新度量方法為基于領(lǐng)域的文本情感分類問題提供了特征選擇方法。
　　(3)提出了基于極大相容塊的文本情感分類方法，可以實(shí)現(xiàn)文本情感的更細(xì)分類。
　　以前的分類器大多是把文本的情感分成了褒和貶兩類，這個(gè)分類的粒度是較粗的，本文以