基于跨領(lǐng)域分類學(xué)習的產(chǎn)品評論情感分析.pdf

1、電子商務(wù)的快速發(fā)展使得網(wǎng)絡(luò)購物成為一種時尚，越來越多的用戶開始通過互聯(lián)網(wǎng)了解、購買產(chǎn)品并且發(fā)表評論。產(chǎn)品評論是一類蘊含著豐富商業(yè)價值的數(shù)據(jù)，潛在消費者可以通過產(chǎn)品評論了解產(chǎn)品的口碑，從而更加理性的選擇和購買產(chǎn)品；而對于產(chǎn)品制造商而言，產(chǎn)品評論則代表了最真實的市場反應(yīng)，有利于他們做出正確的市場決策。然而，互聯(lián)網(wǎng)上產(chǎn)品評論的數(shù)量非常龐大，并且增長速度非常迅猛，如果靠人工去挖掘和分析是不現(xiàn)實的。因此，我們必須依賴計算機去幫助我們進行自動化的產(chǎn)

2、品評論挖掘與分析。本文分為兩大部分。在第一部分中，本文提出了一個中文產(chǎn)品評論挖掘與分析的系統(tǒng)框架；在第二部分中，我們研究了跨領(lǐng)域文本分類算法，并且應(yīng)用于跨領(lǐng)域產(chǎn)品評論情感分類。中文產(chǎn)品評論挖掘與分析系統(tǒng)可以分為產(chǎn)品評論挖掘、評論情感分析、評論搜索三個大的部分。在產(chǎn)品評論挖掘任務(wù)中，系統(tǒng)使用規(guī)則挖掘和分類學(xué)習相結(jié)合的方法，對互聯(lián)網(wǎng)上的產(chǎn)品評論進行識別和收集。評論情感分析模塊對評論的情感傾向性進行分類，把評論分為正面評論和負面評論兩類。通過

3、實驗，我們發(fā)現(xiàn)評論情感分類的領(lǐng)域性非常強，也就是說，一個領(lǐng)域內(nèi)訓(xùn)練出的情感分類模型往往不能應(yīng)用于其他領(lǐng)域，所以在情感分類之前，系統(tǒng)首先對產(chǎn)品評論進行了領(lǐng)域分類。評論搜索模塊向用戶提供了一個搜索平臺，通過這個搜索平臺，用戶查詢自己感興趣的產(chǎn)品，可看到相關(guān)評論的具體內(nèi)容。同時，系統(tǒng)對用戶查詢的結(jié)果進行了產(chǎn)品屬性抽取和情感歸納總結(jié)，使得可以快速的了解產(chǎn)品的整體口碑以及具體的各個屬性的表現(xiàn)情況。傳統(tǒng)的分類學(xué)習算法要求訓(xùn)練數(shù)據(jù)與測試數(shù)據(jù)的詞匯分布

4、相同。情感分類問題是領(lǐng)域性非常強的，因此，如果使用傳統(tǒng)的文本分類算法，每個產(chǎn)品領(lǐng)域都需要大量的標注數(shù)據(jù)訓(xùn)練分類模型。然而標注數(shù)據(jù)獲取的代價非常昂貴，所以我們考慮能否使用一個領(lǐng)域中的訓(xùn)練數(shù)據(jù)，對其他多個領(lǐng)域的產(chǎn)品評論進行情感分類。這個問題就是跨領(lǐng)域產(chǎn)品評論情感分類問題。本文提出了迭代加強的遷移分類算法，用于提高跨領(lǐng)域文本分類的精準度。本文將迭代加強的遷移分類算法與另外兩個跨領(lǐng)域文本分類算法一起應(yīng)用于產(chǎn)品評論跨領(lǐng)域情感分類的問題。通過實驗，