面向?qū)嶓w的觀點(diǎn)挖掘關(guān)鍵技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)應(yīng)用的不斷普及，越來(lái)越多的用戶將自己對(duì)某個(gè)產(chǎn)品或事件的評(píng)價(jià)信息發(fā)布到互聯(lián)網(wǎng)上。這些信息具有非常重要的價(jià)值，它們既可以為政府制定決策服務(wù)也可以為廣大商家和消費(fèi)者提供指導(dǎo)信息。但這同時(shí)導(dǎo)致了互聯(lián)網(wǎng)上的數(shù)據(jù)以一個(gè)指數(shù)級(jí)的速度在增長(zhǎng)，如果僅僅通過(guò)人工的方法來(lái)獲得有價(jià)值的產(chǎn)品評(píng)論信息將是一個(gè)既費(fèi)時(shí)又費(fèi)力的工作，因此如何通過(guò)計(jì)算機(jī)的方法自動(dòng)獲得有用的信息變得非常重要。
　　目前觀點(diǎn)挖掘主要從三個(gè)粒度進(jìn)行分析:文本級(jí)，句子級(jí)和特征級(jí)。

2、文本級(jí)觀點(diǎn)挖掘是假設(shè)每一個(gè)文本只針對(duì)一個(gè)事物進(jìn)行描述;句子級(jí)觀點(diǎn)挖掘包含兩個(gè)內(nèi)容，一是識(shí)別主觀句與客觀句，二是句子的傾向性分析，同樣也假設(shè)句子只包含一個(gè)觀點(diǎn);特征級(jí)觀點(diǎn)挖掘的任務(wù)則包含三個(gè)方面的內(nèi)容:1）識(shí)別和抽取文本中的實(shí)體特征，2）確定特征上觀點(diǎn)的傾向性，3）提供基于特征的多角度觀點(diǎn)總結(jié)。本文基于文本級(jí)與特征級(jí)之間，以實(shí)體為基本單位，旨在研究面向新浪博客中實(shí)體的觀點(diǎn)挖掘。論文主要的研究工作及創(chuàng)新之處包含以下幾個(gè)方面:
　　第一

3、、提出了一個(gè)實(shí)體一主題模型(Entity Topic Model，ETM)，根據(jù)分布結(jié)果抽取實(shí)體及其對(duì)應(yīng)的實(shí)體評(píng)價(jià)詞群。ETM模型在傳統(tǒng)LDA主題模型的基礎(chǔ)上增加了實(shí)體信息，將實(shí)體表示為主題上的概率分布，主題為詞語(yǔ)空間上的概率分布。其基本思想是根據(jù)作者撰寫(xiě)博客所評(píng)論的實(shí)體選擇實(shí)體標(biāo)簽，再利用標(biāo)簽來(lái)指導(dǎo)文本中詞語(yǔ)的生成過(guò)程。ETM模型會(huì)將與實(shí)體語(yǔ)義相關(guān)的評(píng)價(jià)詞分配到同一個(gè)主題下以達(dá)到聚類(lèi)的效果并能挖掘出實(shí)體、主題以及詞語(yǔ)之間的潛在語(yǔ)義關(guān)系

4、。
　　第二、提出了一種利用互信息的方法來(lái)二次抽取實(shí)體相關(guān)評(píng)價(jià)詞群的方法，互信息可以理解為評(píng)價(jià)兩個(gè)變量之間相關(guān)性的一個(gè)指標(biāo)，實(shí)體與其對(duì)應(yīng)的實(shí)體特征評(píng)價(jià)詞往往在同一個(gè)文本中同時(shí)出現(xiàn)，可以通過(guò)本方法將與實(shí)體不相關(guān)但是與實(shí)體評(píng)價(jià)詞群中其它詞語(yǔ)相關(guān)的詞語(yǔ)剔除掉。
　　第三、提出了一種基于詞語(yǔ)釋義的方法構(gòu)建上下文無(wú)關(guān)的情感詞典，同時(shí)利用關(guān)聯(lián)規(guī)則抽取語(yǔ)料中固定搭配的詞語(yǔ)組合，并判斷詞語(yǔ)組合的情感傾向性以構(gòu)建上下文相關(guān)的情感詞典。最后將實(shí)