中文網(wǎng)絡(luò)產(chǎn)品評論的情感分析關(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)評論數(shù)量呈飛躍式增長。這使得人們很難在短時間內(nèi)從大量網(wǎng)絡(luò)產(chǎn)品評論中獲取到真正有用的信息，以至于難以優(yōu)化自己的購買決策。因此，借助一定的技術(shù)手段來對這些海量網(wǎng)絡(luò)評論進行情感分析以減輕人們的閱讀負擔(dān)是非常必要的。目前，人們在英文評論領(lǐng)域已取得一些研究成果，但是有關(guān)中文評論的研究相對較少。本文以中文網(wǎng)絡(luò)產(chǎn)品評論為研究對象，研究評論中產(chǎn)品特征自動提取方法、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，提出了一種基于無監(jiān)督學(xué)習(xí)的產(chǎn)品特征自動提取方法。通過有效的剪枝手段來保證種子詞選取的準(zhǔn)確性，并以有效的迭代規(guī)則來擴展得到新的產(chǎn)品特征。在此基礎(chǔ)之上，利用“特征權(quán)重”篩選技術(shù)來進一步保證算法召回率。對比實驗結(jié)果表明了該算法針對中文產(chǎn)品評論的有效性。
　　其次，提出了一種帶有“情感強度分?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)，將該詞典中的各個詞匯作為頂點，并將這些詞匯之間的關(guān)系作為邊，構(gòu)建出相應(yīng)的無向加權(quán)圖，然后通過

3、標(biāo)簽迭代模型來生成帶有“情感強度分?jǐn)?shù)”的情感詞典。實驗驗證了該方法在漢語常用詞中的褒貶判別效果較好，具有一定的實用價值。
　　最后，在上述研究成果的基礎(chǔ)上，研究了評論中產(chǎn)品特征及用戶對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展現(xiàn)挖掘結(jié)果。先提取出評論中的產(chǎn)品特征，并找到其對應(yīng)的情感詞，然后基于本文生成的情感詞典對各評論進行情感極性判斷，統(tǒng)計分析出產(chǎn)品評論的情感文摘并以圖形可視化方法來展現(xiàn)用戶們對該產(chǎn)