基于網(wǎng)絡文本的評論挖掘分析.pdf

1、目前,互聯(lián)網(wǎng)上信息與日劇增,蘊藏著巨大的信息量。在網(wǎng)絡上,人們可以獲取到相對以前更多的信息,在這些網(wǎng)絡信息中,評論類型的信息占有十分巨大的比例。由網(wǎng)絡本身特點所限,這些評論信息十分繁雜,大量有效信息與無效信息往往混雜在一起。人們想要在短時間內(nèi)從針對諸如人物、事件、傳媒、產(chǎn)品等的評價信息中獲取有價值信息往往十分困難。因此針對評論信息的挖掘分析,有用信息提取已是一個日益重要的任務。
　　在評論信息的挖掘分析,有用信息提取方面,本文主要

2、關(guān)注于評論文本過濾以及對評論信息的主題屬性提取與情感分析上。在評論文本過濾主要實現(xiàn)了對網(wǎng)路評論文本中的無用語的過濾,并通過分析評論文本與主題文本的相關(guān)度來過濾其中相關(guān)度較低的無關(guān)評論信息。在評論信息的主題提取方面則進行了對針對特定主題的評論集合中關(guān)注的主題屬性詞進行了識別,在感情分析方面則進行了針對具體每條評論以及整個評論集合在感情傾向性方面的判斷。
　　針對評論文本過濾,本研究先對中文文本利用成熟的分詞工具進行了分詞劃分以及詞性

3、標識,結(jié)合無用語字典樹實現(xiàn)了無用語的過濾,同時利用文本間距離分析實現(xiàn)了主題不相關(guān)文本的過濾。對于評論信息的主題提取,本研究在漢語文本的名詞以及名詞短語的挖掘基礎上,利用針對中文的詞性組合規(guī)律,結(jié)合文本訓練集與中文伴生詞匹配進行數(shù)據(jù)篩選,完成了對評論信息中關(guān)注的主題屬性的挖掘分析。在評論感情傾向性分析步驟中,從底層至上層逐次進行分析,在最重要的感情極性詞挖掘部分,利用一種基于極性詞字典的無監(jiān)督學習方式進行詞匯擴容,實現(xiàn)了極性詞的自動獲取與