基于評價對象及其情感特征的中文文本傾向性分類研究.pdf

1、隨著近幾年互聯(lián)網(wǎng)的發(fā)展，網(wǎng)絡(luò)評論數(shù)量正日益增加。對這些網(wǎng)絡(luò)評論進行挖掘和分析，識別出其中的情感傾向，對于電子商務(wù)、網(wǎng)絡(luò)監(jiān)管等領(lǐng)域有著重要的意義和實用價值。因而文本傾向性分類(Semantic Orientation Classification)正逐步成為自然語言處理領(lǐng)域的一個研究熱點。本文研究的中文文本傾向性分類，即通過分析文本中的情感傾向，將文本判別為褒義或貶義兩個類別。由于情感表達(dá)的復(fù)雜性，將傳統(tǒng)基于機器學(xué)習(xí)的文本分類方法直接應(yīng)用

2、于文本傾向性分類領(lǐng)域，往往無法達(dá)到很好的分類效果。為提升分類性能，本文嘗試為分類系統(tǒng)加入更多的語義信息，設(shè)計并實現(xiàn)了一個基于評價對象及其情感特征的中文文本傾向性分類系統(tǒng)。本文的主要研究工作和成果有：1)研究了傳統(tǒng)基于機器學(xué)習(xí)的文本分類方法應(yīng)用于中文文本傾向性分類領(lǐng)域的分類性能。通過采用不同的停用詞表、特征選取方法、特征加權(quán)方法和分類器進行比較實驗，最終發(fā)現(xiàn)采用保留情感信息相關(guān)詞性的停用詞表，并應(yīng)用基于TF-IDF加權(quán)的支持向量機分類模型

3、，能取得較好的分類效果。2)研究了情感特征候選集的獲取方法。通過以《知網(wǎng)情感分析用詞語集》中的詞匯為種子集合，使用《同義詞詞林?jǐn)U展版》進行同義擴展，獲得了包含情感傾向性信息的常用詞匯列表。3)研究了文本中評價對象及其情感特征的識別方法。考慮到文本所表達(dá)的情感傾向必然針對特定的對象，所以有必要將文本中的評價對象及其對應(yīng)的情感詞識別出來，作為包含文本傾向性信息的重要特征。本文采用了依存句法分析模塊，并針對不同的依存關(guān)系制定了相應(yīng)的識別規(guī)則，

4、達(dá)到了較好的識別效果。4)提出了基于評價對象及其情感特征的文本向量模型。本文通過將(評價對象，情感詞，情感標(biāo)記)三元組作為文本向量特征，成功地將情感傾向性信息融入文本向量模型。5)提出了TSF-IDF的特征加權(quán)方法。通過詞匯情感頻率(TSF)和逆向文件頻率(IDF)的結(jié)合，綜合考慮了特征在文檔中的情感傾向頻度和在文檔集中的重要程度。6)構(gòu)建了基于評價對象及其情感特征的文本傾向性分類系統(tǒng)。在系統(tǒng)實驗中，使用支持向量機分類器，對于酒店評論和