基于Co-training訓練CRF模型的評價搭配識別.pdf

1、隨著以用戶為中心的語義Web2.0的迅速發(fā)展，互聯(lián)網用戶的數量也不斷增加，隨之涌現(xiàn)出批量的評論文本，其中主要包括人們對產品、事件或者人物的觀點、態(tài)度和想法等情感傾向。這些評論信息對于企業(yè)和個人來說都是非常重要的。但是，緊靠人工力量從網絡上海量的數據中挖掘出有用的語義信息需要耗費大量的時間。為了快速、準確的挖掘出用戶需要的信息，對評論文本進行情感傾向分析成為一項迫切的任務。
　　 本文通過Co-training訓練多特征CRF模型

2、對評價對象和評價短語進行識別，在此基礎上對中文評論文本中的評價搭配進行識別，具體內容如下:
　　 (1)基于Co-training思想訓練CRF模型
　　 對于CRF模型，特征的選擇是至關重要的。特征模板的好壞直接影響到最終標注模型的性能，而且標注信息的多少也對模型有重要的影響。因此，本文提出基于Co-training訓練CRF模型的方法。主要利用CRF模型中通用特征，即詞特征、詞性特征及上下文特征，采用不同比例的已標注

3、初始訓練集，通過Co-training思想訓練CRF模型。當模型性能趨于穩(wěn)定時結束訓練。
　　 (2)基于Co-training訓練CRF模型的評價對象和評價短語識別
　　 為了識別評論文本中的評價對象和評價短語，本文利用上述(1)訓練的模型對文本中的評價信息進行識別。隨著標注比例不斷增大評價信息的識別效果越來越好。在汽車領域中，對待標注汽車評論語料中評價對象識別的精確率為67.483％，召回率為67.832％。對于評價

4、短語識別效果:與通過模板識別評價短語的實驗結果進行比較，當標注比例≥0.03時，F(xiàn)均高于模板的實驗結果;當標注比例為0.1時，實驗結果接近于標準實驗結果。
　　 (3)基于近鄰法的評價搭配識別
　　 評價搭配是文本中評價對象與其相關評價短語的組合。評價搭配的識別是情感傾向分析領域的一項基礎任務。本文通過Co-training訓練CRF模型，然后分別對評價對象和評價短語進行識別，在此基礎上采用近鄰法對評論文本中的評價搭配進