基于Web的評論文本傾向性分析技術研究.pdf

1、隨著 Web的迅猛發(fā)展,網(wǎng)絡已經(jīng)成為完美交流意見、發(fā)表觀點和展現(xiàn)個性的平臺.當今大量用戶在微博、論壇、購物網(wǎng)等平臺上表達自己的觀點和意見,具有強烈的情感傾向性。如何更為高效的挖掘出這些觀點,并識別出這些觀點的傾向性是目前自然語言領域研究的重點和熱點.文本傾向性分析作為解決這一問題的關鍵技術,主要是指針對用戶對某個事物的態(tài)度、看法、評論進行文本的挖掘,從而得到該看法或評論是屬于對該事物的積極或消極、正面或反面意見.文本傾向性分析在市場預測

2、分析、民意調查、智能導購、大眾評論、影視評價等諸多領域有著廣闊的應用空間和發(fā)展前景.
　　本文總結了最近幾年的國內外研究進展狀況,分析了目前文本傾向性分析所面臨的問題并提出了本文的研究思路.在研究的過程中,對其中涉及到的關鍵技術做了詳細的介紹,并基于這些技術針對評論文本的傾向性分析做了如下工作:
　　第一,評價搭配識別研究。本文首先闡明了評價搭配的概念,即評價詞語所修飾的評價對象之間的關系,具體表現(xiàn)為二元對<評價對象,評價短

3、語>.其次,利用最大熵方法進行了評價搭配的抽取,在構造最大熵模板過程中,構建了評價詞表,表中利用《同義詞詞典》對評價詞進行了同義詞歸類,用評價詞類別填充模板,實驗結果表明,本文的方法在識別性能上和準確率上均有提高.
　　第二,對極性詞典的構建做了詳細論述.本文利用統(tǒng)計、機器學習等方法基于大規(guī)模語料庫進行了挖掘,利用搜狗實驗室提供的互聯(lián)網(wǎng)詞庫以及《知網(wǎng)》提供的正負面評價短語、正負面情感詞語、《同義詞詞典》、《漢語褒貶義用法詞典》中的

4、提供的褒貶義詞語作為參考資源構建極性詞典.本文構建的詞典包括基礎詞典、領域極性詞詞典、領域屬性詞詞典、網(wǎng)絡詞典和修飾詞典.本文構建的詞典相對比較全面,為評論文本傾向性分析提奠定了基礎.
　　第三,提出極性計算公式.本文主要以短語級極性計算為基本計算單元,進而計算句子級的傾向性,其中包括了極性強度的計算和句子褒貶義的判斷.借助于本文構建的極性詞典,構建了評價短語的極性值計算公式,并且以評價短語為基本單位結合評價對象構造了句子級的極性