面向網(wǎng)絡(luò)評論的用戶觀點核心信息自動抽取技術(shù).pdf

1、在線購物已經(jīng)成為日常生活中一種基本的消費模式。在此環(huán)境下，網(wǎng)絡(luò)評論由于包含已有用戶對現(xiàn)有商品所持的觀點，因而能夠為其他潛在的客戶在確定購買決策時提供重要的參考價值。另一方面，商品或是服務(wù)的提供方也能根據(jù)用戶的評論了解消費者對自身產(chǎn)品的反映，從而能夠有針對性地提高商品或是服務(wù)的質(zhì)量。然而，網(wǎng)絡(luò)評論的數(shù)量巨大，這就決定了需要采用自動化和智能化的技術(shù)來應(yīng)對海量評論的處理。
　　用戶評論包含了兩個核心對象——觀點目標(biāo)和觀點詞。前者指定了用

2、戶對什么對象進行評論，后者描述了作者對該對象持有的觀點是什么。因此，從評論中自動抽取觀點目標(biāo)和觀點詞是觀點挖掘的一項重要工作。本文針對觀點目標(biāo)和觀點詞的協(xié)同抽取方面展開研究，主要工作包括：
　　首先，有監(jiān)督的觀點目標(biāo)和觀點詞抽取方法。本文首先采用字對齊模型從評論中構(gòu)造出候選的觀點詞對，即<觀點目標(biāo)，觀點詞>二元組，然后通過特征工程將候選的觀點詞對進行向量化，進而采用有監(jiān)督的方法實現(xiàn)觀點目標(biāo)和觀點詞的聯(lián)合抽取。
　　其次，結(jié)合

3、主動學(xué)習(xí)的半監(jiān)督抽取方法。在有監(jiān)督學(xué)習(xí)方法中需要大量的人工標(biāo)簽實驗數(shù)據(jù)，但人工標(biāo)簽數(shù)據(jù)是耗時費力且易出錯的。因此本文提出一種結(jié)合主動學(xué)習(xí)的半監(jiān)督方法協(xié)同抽取觀點目標(biāo)和觀點詞。該方法首先采用基于樣本的不確定采樣策略和基于向量特征的不確定采樣策略評估標(biāo)注樣本能為抽取性能帶來的信息量，然后選擇信息含量大的進行標(biāo)注，通過多次迭代逐步提升抽取模型的泛化能力。
　　最后，面向觀點目標(biāo)和觀點詞聯(lián)合抽取的數(shù)據(jù)集。本文在Amazon評論集的基礎(chǔ)上構(gòu)