中文客戶評論對象特征抽取方法.pdf

1、隨著Internet技術(shù)的蓬勃發(fā)展,越來越多的用戶參與到了互聯(lián)網(wǎng)的共同建設(shè)中來,由信息的被動接受者變?yōu)樾畔⒌闹鲃觿?chuàng)作者。因此,在互聯(lián)網(wǎng)上存在大量用戶參與的,對于諸如人、產(chǎn)品等有價值的評論信息。這些評論信息反映了用戶的意見、觀點和立場,具有重要的研究價值。然而,隨著越來越多的用戶在互聯(lián)網(wǎng)上分享自己的觀點和意見,這些評論信息迅速的增加累積,僅靠人工的方式已經(jīng)很難對它們進行分析處理。因此評論意見挖掘技術(shù)隨之而生,該技術(shù)主要涉及特征挖掘、用戶觀

2、點的抽取、情感分析技術(shù)等方面。評論意見挖掘首要工作是評論對象的特征挖掘,其準(zhǔn)確性和全面性對后續(xù)的研究具有重要意義。由于在評論中不同的詞可以用來描述同一種特征,所以評論對象特征的提取及聚類更具有挑戰(zhàn)性。針對中文客戶評論,對評論對象特征的抽取進行分析和研究。以下概括了本文的主要研究內(nèi)容:
　　為了從中文客戶評論中提取出用戶感興趣的評論對象特征,本研究基于關(guān)聯(lián)規(guī)則理論,即Apriori算法提取出頻繁特征項集,最后根據(jù)三種剪枝規(guī)則對頻繁特

3、征項集進行剪枝,得到初步的候選評論對象特征集合。
　　然后,針對基于Apriori算法抽取特征的查準(zhǔn)率不高的問題,引進領(lǐng)域術(shù)語的概念,提高中文客戶評論對象特征挖掘的性能。本文將評論對象特征看成是評論語料的領(lǐng)域術(shù)語,利用領(lǐng)域一致度和領(lǐng)域相關(guān)度度量候選特征與評論領(lǐng)域的關(guān)聯(lián)程度,并對其進行排序,過濾掉那些與領(lǐng)域關(guān)聯(lián)程度低的特征,實現(xiàn)挖掘性能的提高。
　　本文對特征間的語義相似度計算方法進行了改進,既考慮詞語間的單獨相似度,又考慮了