文本情感信息抽取關(guān)鍵技術(shù)研究.pdf

1、隨著Web2.0技術(shù)的發(fā)展和普及，互聯(lián)網(wǎng)用戶已經(jīng)從單純的獲取信息模式向創(chuàng)造互聯(lián)網(wǎng)信息模式轉(zhuǎn)變，實現(xiàn)了網(wǎng)站與用戶的雙向交流。因此，網(wǎng)絡(luò)上產(chǎn)生了大量的主觀性文本，這些文本包含了人們的各種感情和觀點。如何利用計算機對這些海量的文本進行處理和分析成為研究者關(guān)注的熱點，文本情感信息的抽取和分析在這樣的背景下應(yīng)運而生。它在用戶評論分析與決策、輿情監(jiān)控、信息預(yù)測等領(lǐng)域有著廣闊的應(yīng)用前景，近些年很多學(xué)者和機構(gòu)都投入了研究。但是目前文本情感信息抽取研究還

2、處于發(fā)展階段，很多方法都不成熟。本課題圍繞文本情感信息的抽取任務(wù)，在商品評論領(lǐng)域?qū)ζ溥M行了深入的研究。
　　本研究主要內(nèi)容包括：⑴在商品評論中，一個至關(guān)重要的信息就是評價對象。針對商品評論中評價對象的抽取任務(wù)，本文提出了一種領(lǐng)域無關(guān)的評價對象抽取方法，稱之為M-Score算法。該算法思想源于點互信息算法，其最大的優(yōu)點是具有領(lǐng)域無關(guān)性，便于領(lǐng)域移植。本文首先利用條件隨機場模型進行候選評價對象的抽取，然后利用M-Score算法對候選評

3、價對象進行領(lǐng)域相關(guān)性處理，最后對評價對象做進一步的篩選。實驗中采用了不同領(lǐng)域的語料對該算法進行了驗證，實驗結(jié)果很好的證明了該算法的有效性。⑵針對情感評價單元<評價對象，評價詞語>的抽取任務(wù)，提出了一種基于語義分析與依存句法分析相結(jié)合的情感評價單元抽取方法。該方法引入了四類語義特征和二十類句法分析依存模板。語義特征的引入彌補了依存模板的不完善性和句法分析的不穩(wěn)定性的缺陷，句法分析又消除了詞語語義歧義問題。采用語義特征和依存句法分析相結(jié)合的

4、方法，能使抽取結(jié)果更加準(zhǔn)確。實驗結(jié)果驗證了該方法的有效性。⑶在評價對象抽取之后要對其情感傾向性進行分析。針對評價對象的傾向性分析任務(wù)，對現(xiàn)有的情感詞典進行了必要的修正和補充，并對詞語的相似度計算方法和極性強度計算規(guī)則做出了改進，構(gòu)建了基于《知網(wǎng)》和點互信息的情感詞典。本文利用構(gòu)建的情感詞典對修飾評價對象的評價短語進行了極性分析和極性強度的計算，并與現(xiàn)有情感詞典進行對比，實驗結(jié)果證明了該詞典在準(zhǔn)確率、召回率和 F值三個評價指標(biāo)方面均有不同