基于情感詞強度的情感分類及其在商品評論中的應(yīng)用.pdf

1、近年來隨著移動互聯(lián)網(wǎng)和電子商務(wù)的快速發(fā)展，移動上網(wǎng)和網(wǎng)購已經(jīng)成為人們?nèi)粘Ｉ畹囊徊糠?。一些網(wǎng)購企業(yè)如淘寶、京東、亞馬遜等表現(xiàn)出了強勁的發(fā)展勢頭。人們在網(wǎng)購商品收貨后一般會對該次購物做出評價，評價對象通常是商家的服務(wù)和商品。這些在線商品評論一般會包含喜、怒、哀、樂等情感，帶有情感傾向的商品評論可以應(yīng)用在產(chǎn)品調(diào)查分析、信息預(yù)測等領(lǐng)域。
　　本文從情感詞典的擴展和情感詞強度這兩個方面對商品評論情感分類進行了研究:
　　(1)基于詞

2、向量的情感詞典的擴展
　　目前人工管理的情感詞典在添加情感詞方面存在一些局限性，例如對一些新詞的識別和詞的不規(guī)范變形的識別，詞向量可以解決這樣的問題。我們可以利用大規(guī)模的無標(biāo)注數(shù)據(jù)（如百度百科語料）使用Skip-gram模型訓(xùn)練詞向量，然后得到一個低維度詞向量集合。在詞向量空間中利用余弦距離可以很容易找到與給定詞語義相似的詞，幫助預(yù)測該詞語的情感極性。
　　(2)基于情感詞強度的情感分類
　　一些基于詞典的中文情感分類

3、方法存在如下不足:情感詞組的提取沒有考慮程度副詞的作用，否定詞查找，情感詞的歧義問題。本文引入了中文的情感詞強度詞典和大量的語法信息，提出了基于細粒度情感強度詞典的sentiDP方法。該方法有一個良好的語義合成機制，可以解決情感詞的歧義問題。
　　實驗表明sentiDP方法在準確率、F1值方面比其他兩種方法的效果都好，在書籍?dāng)?shù)據(jù)上召回率比基準方法高7％，可以有效地處理酒店、筆記本、書籍這些不同領(lǐng)域的商品評論。在情感詞典的擴展方面，