基于非完備信息系統(tǒng)的評(píng)價(jià)對(duì)象情感聚類.pdf

1、隨著計(jì)算機(jī)技術(shù)、通信技術(shù)和網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展，人們現(xiàn)今主要通過網(wǎng)絡(luò)發(fā)表自己對(duì)產(chǎn)品的價(jià)格、性能和售后等方面發(fā)表主觀性看法、建議以及意見。這些主觀性觀點(diǎn)表達(dá)了消費(fèi)者對(duì)產(chǎn)品喜愛或是厭惡等情感傾向。消費(fèi)者在購買產(chǎn)品之前，通常都會(huì)在網(wǎng)上查詢?cè)摦a(chǎn)品的相關(guān)評(píng)論以作參考，但受時(shí)間和精力的限制，從海量的評(píng)論信息中獲取相關(guān)信息就變得不甚可行。另外，在實(shí)際產(chǎn)品評(píng)論中，一種產(chǎn)品可能涉及多篇文檔。而目前大多研究者只針對(duì)某類產(chǎn)品評(píng)論判斷一篇文檔（句子）所表達(dá)產(chǎn)品的

2、整體傾向。如果僅從文檔級(jí)或句子級(jí)進(jìn)行情感傾向判別，均不能獲得人們對(duì)產(chǎn)品的多個(gè)不同品牌在其性能方面的綜合評(píng)價(jià)。因此，如何有效地，并且最好能自動(dòng)地對(duì)帶有情感色彩的主觀性多文本進(jìn)行分析、處理、并對(duì)其進(jìn)行歸納和推理，進(jìn)而發(fā)現(xiàn)和概括相關(guān)產(chǎn)品的觀點(diǎn)，這就變得非常的重要。
　　本文研究主要細(xì)分為以下幾方面的工作:
　　(1)基于本體的觀點(diǎn)特征的抽取及句子整合。
　　本文利用已建立的領(lǐng)域本體，按照產(chǎn)品性能抽取觀點(diǎn)特征以及其評(píng)價(jià)詞。本文

3、不進(jìn)行分詞，直接按照字符的匹配進(jìn)行抽取。實(shí)驗(yàn)表明，該方法比傳統(tǒng)的分詞后再抽取的結(jié)果要好，其F值比之高出55.83％。通過對(duì)評(píng)價(jià)同一對(duì)象的句子進(jìn)行匯總，將評(píng)價(jià)同一對(duì)象的句子看做一個(gè)整體來處理，從而將問題轉(zhuǎn)化為傳統(tǒng)的文檔層面的情感分析問題。對(duì)于本體中存在概念之間的關(guān)系的觀點(diǎn)特征進(jìn)行整合，將整合后的特征采用一個(gè)“核心詞”來表示。由于各個(gè)性能相關(guān)的數(shù)據(jù)豐富程度不同，整合后的結(jié)果之間有較大的差異?！敖?jīng)濟(jì)性”所包含的特征整合掉的較少，“舒適性”經(jīng)過

4、整合后，新特征集的規(guī)模只有原始特征集的40.87％。
　　(2)按照產(chǎn)品的性能建立非完備的情感信息系統(tǒng)，并以此為基礎(chǔ)對(duì)特征進(jìn)行約簡。
　　由于本文的數(shù)據(jù)是一個(gè)存在缺失數(shù)據(jù)的系統(tǒng)，因此最終抽取到的特征構(gòu)成的是一個(gè)非完備的系統(tǒng)。對(duì)于信息系統(tǒng)中的特征的特征值，本文主要依據(jù)特征其本身的情感傾向值和特征所在句子的情感傾向值這兩方面來綜合計(jì)算。本文獲取的觀點(diǎn)特征冗余度高，區(qū)分度差以及存在缺失數(shù)據(jù)，必須進(jìn)行約簡優(yōu)化。本文采用基于差別矩陣的

5、特征約簡算法，去掉那些區(qū)分能力差且特征值稀疏度高的特征。對(duì)于關(guān)注度較高的“舒適性”，其約簡率為55.32％，約簡掉的特征較多，很大程度上提高了評(píng)價(jià)對(duì)象的相似性，降低了冗余度。
　　(3)對(duì)各性能方面的非完備信息系統(tǒng)的評(píng)價(jià)對(duì)象進(jìn)行情感聚類。
　　通過對(duì)Web評(píng)論文檔的聚類，本文可以得到用戶對(duì)產(chǎn)品評(píng)價(jià)的整體預(yù)覽以及產(chǎn)品特性的實(shí)際評(píng)價(jià)狀況。本文采用K-means聚類算法，來對(duì)各性能方面的非完備信息系統(tǒng)的評(píng)價(jià)對(duì)象進(jìn)行情感聚類，而聚類