面向產(chǎn)品評論的觀點(diǎn)挖掘方法研究.pdf

1、伴隨著信息時(shí)代的到來，人們越來越習(xí)慣于在網(wǎng)上購物，使得網(wǎng)絡(luò)中的評論文本量呈爆炸式增長，人們對如何從海量評論文本如淘寶網(wǎng)的商品評論中快速獲取有價(jià)值的信息提出了更高的要求。實(shí)際應(yīng)用需求使得觀點(diǎn)挖掘迅速發(fā)展，越來越多的學(xué)者和專家對其進(jìn)行研究并將其應(yīng)用于實(shí)際生產(chǎn)生活中。觀點(diǎn)挖掘可細(xì)分為多個(gè)任務(wù)，現(xiàn)在較為公認(rèn)的劃分方式將觀點(diǎn)挖掘細(xì)分為觀點(diǎn)提取、極性分析、觀點(diǎn)總結(jié)。其中，觀點(diǎn)提取及極性分析是觀點(diǎn)挖掘中極為重要的任務(wù)。本文的研究工作主要圍繞著抽取評價(jià)

2、對象，利用評價(jià)短語判斷觀點(diǎn)極性進(jìn)行展開。
　　常見的評價(jià)對象抽取方法，大多數(shù)依賴于人工制定的規(guī)則，因此對于特定領(lǐng)域評價(jià)文本挖掘效果較好，缺乏通用性。同時(shí)，在現(xiàn)實(shí)環(huán)境中，評論文本不斷地進(jìn)行更新、擴(kuò)充，而過多的人工參與使得評價(jià)抽取方法的實(shí)用性降低。針對以上提出的問題，本文提出了基于CRFs和聯(lián)合聚類的評價(jià)搭配提取方法。將評價(jià)對象和評價(jià)短語的識別問題作為序列標(biāo)注問題中的一種，利用CRFs模型提取出評價(jià)要素候選集。通過使用聯(lián)合聚類算法，充

3、分利用評價(jià)對象和評價(jià)短語雙方的信息，排除錯(cuò)誤識別的評價(jià)要素，同時(shí)對評價(jià)對象和評價(jià)短語進(jìn)行匹配。算法中，可調(diào)整的參數(shù)包括評價(jià)要素聚類的數(shù)目以及評價(jià)對象與評價(jià)短語之間的距離。
　　本文提出了基于HowNet的觀點(diǎn)極性判斷方法，在HowNet提供的情感詞典的基礎(chǔ)上，加入同義詞和網(wǎng)絡(luò)情感詞，構(gòu)建情感詞典，為后續(xù)的中文觀點(diǎn)極性判斷提供基礎(chǔ)。此外，根據(jù)網(wǎng)絡(luò)評價(jià)文本中評價(jià)詞的特性，采用TF-IDF計(jì)算評價(jià)詞自身提供的強(qiáng)度信息。綜合考慮評價(jià)詞在情