中文網(wǎng)絡(luò)產(chǎn)品評(píng)論的情感分析關(guān)鍵技術(shù)研究.pdf

1、電子商務(wù)的急速發(fā)展促使網(wǎng)絡(luò)評(píng)論數(shù)量呈飛躍式增長(zhǎng)。這使得人們很難在短時(shí)間內(nèi)從大量網(wǎng)絡(luò)產(chǎn)品評(píng)論中獲取到真正有用的信息，以至于難以?xún)?yōu)化自己的購(gòu)買(mǎi)決策。因此，借助一定的技術(shù)手段來(lái)對(duì)這些海量網(wǎng)絡(luò)評(píng)論進(jìn)行情感分析以減輕人們的閱讀負(fù)擔(dān)是非常必要的。目前，人們?cè)谟⑽脑u(píng)論領(lǐng)域已取得一些研究成果，但是有關(guān)中文評(píng)論的研究相對(duì)較少。本文以中文網(wǎng)絡(luò)產(chǎn)品評(píng)論為研究對(duì)象，研究評(píng)論中產(chǎn)品特征自動(dòng)提取方法、中文情感詞典構(gòu)建方法及“情感文摘”相關(guān)情感分析技術(shù)。
　　

2、首先，提出了一種基于無(wú)監(jiān)督學(xué)習(xí)的產(chǎn)品特征自動(dòng)提取方法。通過(guò)有效的剪枝手段來(lái)保證種子詞選取的準(zhǔn)確性，并以有效的迭代規(guī)則來(lái)擴(kuò)展得到新的產(chǎn)品特征。在此基礎(chǔ)之上，利用“特征權(quán)重”篩選技術(shù)來(lái)進(jìn)一步保證算法召回率。對(duì)比實(shí)驗(yàn)結(jié)果表明了該算法針對(duì)中文產(chǎn)品評(píng)論的有效性。
　　其次，提出了一種帶有“情感強(qiáng)度分?jǐn)?shù)”的中文情感詞典構(gòu)建方法。以已有的普通詞典為基準(zhǔn)，將該詞典中的各個(gè)詞匯作為頂點(diǎn)，并將這些詞匯之間的關(guān)系作為邊，構(gòu)建出相應(yīng)的無(wú)向加權(quán)圖，然后通過(guò)

3、標(biāo)簽迭代模型來(lái)生成帶有“情感強(qiáng)度分?jǐn)?shù)”的情感詞典。實(shí)驗(yàn)驗(yàn)證了該方法在漢語(yǔ)常用詞中的褒貶判別效果較好，具有一定的實(shí)用價(jià)值。
　　最后，在上述研究成果的基礎(chǔ)上，研究了評(píng)論中產(chǎn)品特征及用戶(hù)對(duì)其情感傾向的綜合信息挖掘--情感文摘的一種挖掘方法，并以圖形可視化方法來(lái)展現(xiàn)挖掘結(jié)果。先提取出評(píng)論中的產(chǎn)品特征，并找到其對(duì)應(yīng)的情感詞，然后基于本文生成的情感詞典對(duì)各評(píng)論進(jìn)行情感極性判斷，統(tǒng)計(jì)分析出產(chǎn)品評(píng)論的情感文摘并以圖形可視化方法來(lái)展現(xiàn)用戶(hù)們對(duì)該產(chǎn)