中文微博觀點(diǎn)句識(shí)別及評(píng)價(jià)對(duì)象抽取.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，微博已經(jīng)成為廣大互聯(lián)網(wǎng)用戶展現(xiàn)自我、分享體驗(yàn)和表達(dá)觀點(diǎn)的網(wǎng)絡(luò)平臺(tái)，越來越多的微博用戶熱衷于通過更新微博來表達(dá)對(duì)所關(guān)心的事物。微博上的信息包羅萬象，對(duì)規(guī)模龐大且?guī)в星楦袃A向的微博文本進(jìn)行分析和研究，可以為潛在的消費(fèi)者（政府部門、企業(yè)、個(gè)人）獲取相關(guān)評(píng)論提供參考。微博情感傾向性分析已成為自然語言處理中的一個(gè)研究熱點(diǎn)。目前國外針對(duì)英文微博的情感傾向性分析的研究開始進(jìn)入應(yīng)用階段，例如在2009年的德國大選中，國外自然語

2、言處理專家對(duì)Twitter上的100,000多條相關(guān)微博進(jìn)行了分析，分析結(jié)果與大選結(jié)果一致，表明了微博能夠準(zhǔn)確的反映民意。而針對(duì)中文微博的情感傾向性分析的研究還處于起步階段。本文在分析微博觀點(diǎn)句識(shí)別和觀點(diǎn)句評(píng)價(jià)對(duì)象抽取現(xiàn)狀的基礎(chǔ)上，確定了基于最大熵模型的微博觀點(diǎn)句識(shí)別和基于條件隨機(jī)場模型的觀點(diǎn)句評(píng)價(jià)對(duì)象抽取作為研究方案。本文的研究內(nèi)容包括以下幾個(gè)方面：
　?。?）構(gòu)建微博情感詞典和網(wǎng)絡(luò)用語詞典；將HowNet的正面、負(fù)面情感詞和正

3、面、負(fù)面評(píng)價(jià)詞作為初始的微博情感詞典，并手工將一些明確表達(dá)觀點(diǎn)的口語詞也收錄到情感詞典中來構(gòu)建微博情感詞典，微博情感詞典作為微博觀點(diǎn)句識(shí)別和情感極性判斷的基礎(chǔ)。
　?。?）采用基于規(guī)則和機(jī)器學(xué)習(xí)的方法進(jìn)行觀點(diǎn)句識(shí)別和情感極性的分類；本文基于情感詞位置和句法結(jié)構(gòu)的依賴關(guān)系為規(guī)則提取微博文本特征，采用最大熵模型作為分類器。從微博文本中提取情感詞，圍繞情感詞提取程度副詞和依賴關(guān)系作為特征函數(shù)來訓(xùn)練最大熵模型，利用訓(xùn)練好的模型來預(yù)測微博文

4、本是否是觀點(diǎn)句和微博文本的情感極性。
　?。?）采用基于機(jī)器學(xué)習(xí)的方法抽取觀點(diǎn)句評(píng)價(jià)對(duì)象；微博觀點(diǎn)句評(píng)價(jià)對(duì)象的抽取實(shí)質(zhì)就是一個(gè)序列標(biāo)注的過程，以微博文本中的詞作為觀測序列，通過條件隨機(jī)場模型為觀測序列找到最可能的狀態(tài)序列。本文以詞、詞性和詞在微博文本中的結(jié)構(gòu)特征作為條件隨機(jī)場模型特征模板的參數(shù)，訓(xùn)練條件隨機(jī)場模型對(duì)評(píng)價(jià)對(duì)象進(jìn)行識(shí)別。
　　通過對(duì) COAE2013任務(wù)三和任務(wù)四提供的微博語料進(jìn)行訓(xùn)練和測試，本文微博觀點(diǎn)句識(shí)別的