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，越來越多的用戶將自己對某個產(chǎn)品或事件的評價信息發(fā)布到互聯(lián)網(wǎng)上。這些信息具有非常重要的價值，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。但這同時導(dǎo)致了互聯(lián)網(wǎng)上的數(shù)據(jù)以一個指數(shù)級的速度在增長，如果僅僅通過人工的方法來獲得有價值的產(chǎn)品評論信息將是一個既費(fèi)時又費(fèi)力的工作，因此如何通過計算機(jī)的方法自動獲得有用的信息變得非常重要。
　　目前觀點(diǎn)挖掘主要從三個粒度進(jìn)行分析:文本級，句子級和特征級。

2、文本級觀點(diǎn)挖掘是假設(shè)每一個文本只針對一個事物進(jìn)行描述;句子級觀點(diǎn)挖掘包含兩個內(nèi)容，一是識別主觀句與客觀句，二是句子的傾向性分析，同樣也假設(shè)句子只包含一個觀點(diǎn);特征級觀點(diǎn)挖掘的任務(wù)則包含三個方面的內(nèi)容:1）識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)。本文基于文本級與特征級之間，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方面:
　　第一

3、、提出了一個實(shí)體一主題模型(Entity Topic Model，ETM)，根據(jù)分布結(jié)果抽取實(shí)體及其對應(yīng)的實(shí)體評價詞群。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，主題為詞語空間上的概率分布。其基本思想是根據(jù)作者撰寫博客所評論的實(shí)體選擇實(shí)體標(biāo)簽，再利用標(biāo)簽來指導(dǎo)文本中詞語的生成過程。ETM模型會將與實(shí)體語義相關(guān)的評價詞分配到同一個主題下以達(dá)到聚類的效果并能挖掘出實(shí)體、主題以及詞語之間的潛在語義關(guān)系

4、。
　　第二、提出了一種利用互信息的方法來二次抽取實(shí)體相關(guān)評價詞群的方法，互信息可以理解為評價兩個變量之間相關(guān)性的一個指標(biāo)，實(shí)體與其對應(yīng)的實(shí)體特征評價詞往往在同一個文本中同時出現(xiàn)，可以通過本方法將與實(shí)體不相關(guān)但是與實(shí)體評價詞群中其它詞語相關(guān)的詞語剔除掉。
　　第三、提出了一種基于詞語釋義的方法構(gòu)建上下文無關(guān)的情感詞典，同時利用關(guān)聯(lián)規(guī)則抽取語料中固定搭配的詞語組合，并判斷詞語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)