面向商品評論文本的情感分析研究.pdf

1、電子商務的快速發(fā)展，使得網(wǎng)絡購物成為人們選購商品的重要途徑之一。與線下實體店購物不同，網(wǎng)絡購物時人們會更關(guān)注網(wǎng)絡上的商品評價信息。這些信息包含了已購買者對商品各方面的主觀評價，對商品的褒貶評價在很大程度上影響著人們的購買決策。因此，對這些評價信息包含的主觀情感進行分析有著重要的現(xiàn)實意義。已有的研究表明，不同的人們對同一商品會有著不同的關(guān)注點，因此簡單的對商品整體進行分析已經(jīng)不能滿足人們個性化的需求。
　　論文針對網(wǎng)上商品評論的情感

2、分析進行了深入研究，主要工作包括：
　　(1)深入研究了文本情感傾向性分析的基本理論、基本框架和相關(guān)技術(shù)，重點研究了情感詞典及其擴充問題。情感詞典是文本情感傾向性分析的基礎，對最終的傾向性判斷結(jié)果有很大的影響。一般情況下，情感詞典包含的詞語越豐富，傾向性判斷的結(jié)果越好。本文在研究已有情感詞典建立方法的基礎上，根據(jù)目前網(wǎng)絡商品評論的新情況，對情感詞典進行了擴充，增加了否定詞、雙重否定詞、轉(zhuǎn)折詞、網(wǎng)絡用語等詞典，當語料庫中包含這些詞語

3、較多時將使情感傾向性判斷結(jié)果更接近真實情況。
　　(2)研究種子詞選取方法并提出改進方法。在文本情感傾向性分析中種子詞的選取也是至關(guān)重要的，對最終的傾向性判斷結(jié)果也會有很大的影響。本文針對已有的種子詞選取方法覆蓋范圍小的問題，提出與評價領(lǐng)域相關(guān)的種子詞選取方法，擴大了選取的覆蓋面，并針對評價領(lǐng)域的特點，增加了否定屬性表，使得分析結(jié)果更能夠符合實際情況。實驗結(jié)果表明，上述改進方法可以有效地提高召回率和準確率。
　　(3)研究并

4、改進情感詞相似度計算算法，給出商品評價情感傾向性分析的最終結(jié)果。針對基于語料庫方法低頻詞計算準確率差，而基于知網(wǎng)詞典方法又依賴人工建立的詞典，受人的主觀意識影響較大等問題，本文提出了綜合改進算法PMI_HRV。算法綜合了上述的詞典擴充和種子詞選取方法，以及基于語料庫方法和基于知網(wǎng)詞典的方法，解決了基于語料庫方法低頻詞計算準確率差問題，并減小了基于知網(wǎng)方法人為主觀意識的影響。實驗結(jié)果表明，PMI_HRV算法可以給出最終的商品情感傾向性分析