基于復雜網(wǎng)絡的在線評論情感傾向性分類.pdf

1、隨著WEB技術和電子商務平臺的迅速發(fā)展，網(wǎng)絡購物逐漸成為消費者購物的潮流，消費者以在線評論的方式分享自己的購物經(jīng)歷，表達對產(chǎn)品或服務的偏好和體驗。這些評論包含了消費者對產(chǎn)品、賣家、廠家、物流等網(wǎng)購環(huán)節(jié)的情感傾向，對于商家改進產(chǎn)品，提高服務質量，提升客戶滿意度具有重要的意義，同時對于消費者做出正確的購物決策也有很大的幫助。因此近年來，在線評論情感分析逐漸成為在線評論研究的熱點問題，而其中的情感傾向性分類作為情感分析的主要任務逐漸受到關注。

2、
　　本文以在線評論情感傾向性分類的研究為主線，結合復雜網(wǎng)絡理論提出新的情感傾向性分類算法。主要從以下三個方面開展本文的研究:
　　首先，針對公共領域情感詞典對專業(yè)領域詞語、網(wǎng)絡用語和新興詞語收錄不全的問題，提出了將公共情感詞典作為種子情感詞典，以評論預料庫中的形容詞且未出現(xiàn)公共情感詞典中作為候選情感詞，利用信息論中的點互信息理論計算候選情感詞和種子情感詞的相關度來擴展公共領域情感詞典，從而構建專業(yè)領域情感詞典的算法。

3、>　　其次，針對傳統(tǒng)情感分類算法中忽略文檔詞語語序和缺乏文檔句法分析的問題提出了基于有向網(wǎng)絡的情感分類模型。該模型根據(jù)消費者在線評論，構建評論有向網(wǎng)絡，從評論網(wǎng)絡的拓撲性質和評論文檔的語義內容出發(fā)建立在線評論情感傾向性分類模型。首先以詞語共現(xiàn)理論為基礎構建評論的有向網(wǎng)絡，然后挖掘網(wǎng)絡中具有情感信息的子網(wǎng)絡，將子網(wǎng)絡中由程度詞和否定詞導致的情感偏移引入到韋伯-費希納定律中，提出了一種新的在線評論情感相似性計算方法DNSA(Directed

4、 network and syntactic analysis)，利用該方法計算測試評論和訓練中評論的相似度，選取相似度最大的前K條評論的多數(shù)類作為該評論的情感類別。
　　再次，針對傳統(tǒng)的基于詞袋模型的情感分類算法中忽略文檔特征的語義相關性信息和文檔結構信息，造成評論情感資源遺漏的問題，提出了基于復雜網(wǎng)絡特征選擇的情感傾向性分類模型。首先利用復雜網(wǎng)絡理論提出了一種新的情感分類特征選擇算法NTFS(Complex network f

5、eature selection)，該算法通過構建候選情感特征關系網(wǎng)絡，利用復雜網(wǎng)絡中節(jié)點重要性評估理論，考慮節(jié)點的局部和全局重要性，提出了利用網(wǎng)絡節(jié)點的度中心性、接近中心性和介數(shù)中心性綜合衡量節(jié)點重要性來選擇情感分類特征的算法，然后結合經(jīng)典機器學習算法SVM、NB、NNET實現(xiàn)在線評論的情感傾向性分類。
　　最后，為了測試算法，以酒店評論和手機評論為實驗數(shù)據(jù)。通過結果分析，發(fā)現(xiàn)這兩種情感分類算法可以有效的實現(xiàn)在線評論的情感分類，