在線中文評(píng)論情感分類問題研究.pdf

1、隨著計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)的快速發(fā)展,互聯(lián)網(wǎng)已經(jīng)成為生活中不可或缺的重要信息來源,深刻地影響了消費(fèi)者的行為模式。越來越多的消費(fèi)者開始瀏覽在線評(píng)論來了解產(chǎn)品和服務(wù)的口碑,以便做出明智的購買決策。在線用戶評(píng)論作為一種反饋機(jī)制也可以幫助生產(chǎn)者和銷售商了解產(chǎn)品的優(yōu)點(diǎn)和不足,從而改進(jìn)產(chǎn)品改善服務(wù),獲得競爭優(yōu)勢。但在線評(píng)論增長十分迅速,在線評(píng)論對(duì)商家績效將產(chǎn)生怎樣的影響?怎樣有效地處理大量承載著信息的數(shù)據(jù)以獲取消費(fèi)者情感傾向分布?怎樣區(qū)分評(píng)論信息和非評(píng)論

2、信息等問題逐漸成為當(dāng)前管理和信息科學(xué)領(lǐng)域面臨的挑戰(zhàn)。在線中文評(píng)論相關(guān)研究仍處于起步階段,隨著中國互聯(lián)網(wǎng)規(guī)模和普及水平的提高,亟需展開在線中文評(píng)論自動(dòng)挖掘技術(shù)。
　　本文在對(duì)國內(nèi)外研究成果梳理、總結(jié)的基礎(chǔ)上，運(yùn)用經(jīng)濟(jì)管理、自然語言處理、文本分類、語言學(xué)等學(xué)科的理論和方法,從在線評(píng)論對(duì)商家績效的影響、評(píng)論情感傾向自動(dòng)分析和評(píng)論與非評(píng)論識(shí)別三個(gè)方面來進(jìn)行在線中文評(píng)論情感分類研究。本文主要研究內(nèi)容及創(chuàng)新點(diǎn)包括:
　　1、在線中文評(píng)論

3、情感分類研究問題的提出。通過整理現(xiàn)有在線評(píng)論挖掘相關(guān)文獻(xiàn),將現(xiàn)有研究分為行為導(dǎo)向和技術(shù)導(dǎo)向兩種,提出了中文在線評(píng)論情感分類亟需進(jìn)行的三個(gè)研究方面。對(duì)口碑、在線口碑、在線評(píng)論以及評(píng)論情感分類的概念進(jìn)行界定,明確了本文的研究范疇。
　　2、研究了在線中文評(píng)論對(duì)商家績效的影響。以大眾點(diǎn)評(píng)網(wǎng)作為數(shù)據(jù)來源,將餐館頁面受關(guān)注度視為商家績效的代理,建立在線評(píng)論與商家績效的關(guān)系模型。結(jié)果表明消費(fèi)者評(píng)論顯著正面影響商家績效,而網(wǎng)站評(píng)分和編輯評(píng)論的存

4、在顯著負(fù)面影響商家績效。接著詳細(xì)探討了第三方評(píng)論平臺(tái)和商家應(yīng)采取的在線評(píng)論管理和利用策略。最后分析了評(píng)論情感計(jì)算領(lǐng)域的學(xué)者應(yīng)該從哪些方面幫助人們自動(dòng)理解在線評(píng)論。
　　3、研究了基于監(jiān)督學(xué)習(xí)的中文評(píng)論情感分類方法。探討了基于向量空間模型的中文評(píng)論情感分類方法,主要包括文本表示方法、特征選擇方法和分類方法。在N元語言模型的基礎(chǔ)上，研究了基于字符語言模型的中文評(píng)論情感分類方法。接著分別在中英文語料上，通過實(shí)驗(yàn)比較了Na?ve Baye

5、s、SVM和字符語言模型的情感分類性能,以及訓(xùn)練集規(guī)模對(duì)情感分類效果的影響。最后,探討了字符語言模型中N的取值對(duì)中文評(píng)論情感分類效果的影響。實(shí)驗(yàn)結(jié)果表明,字符語言模型在中文評(píng)論情感分類任務(wù)中能取得比較好的效果。
　　4、研究了基于語義的中文評(píng)論情感分類方法。探討基于PMI-IR中文評(píng)論情感分類方法,著重考察 PMI-IR方法中搜索引擎和基準(zhǔn)詞匯的選擇對(duì)評(píng)論情感分類效果的影響。提出一種利用搜索引擎返回的Snippet計(jì)算中文詞語和評(píng)

6、論情感傾向的方法,實(shí)驗(yàn)結(jié)果表明 Snippet方法效果受基準(zhǔn)正負(fù)面詞匯、窗口大小和分類閾值的共同作用。最后通過實(shí)驗(yàn)比較了PMI-IR方法和Snippet方法對(duì)中文評(píng)論情感分類的效果,結(jié)果表明選擇適當(dāng)?shù)幕鶞?zhǔn)詞對(duì),Snippet方法能夠取得比PMI-IR方法更好的分類效果。
　　5、研究了基于bootstrapping在Web大規(guī)模無標(biāo)注真實(shí)語料中,自動(dòng)構(gòu)建中文主、客觀語料集的方法。探討基于bootstrapping的中文主、客觀語句