評(píng)價(jià)主題抽取與句子傾向性識(shí)別技術(shù)研究.pdf

1、互聯(lián)網(wǎng)的飛速發(fā)展極大方便了人們的學(xué)習(xí)、工作和生活，但同時(shí)也使我們面臨著信息爆炸，卻知識(shí)匱乏的窘迫。如何從海量信息中快速、準(zhǔn)確的尋找所需要的信息，已經(jīng)成為了人們的迫切需求。
　　 意見挖掘技術(shù)可以自動(dòng)獲取網(wǎng)絡(luò)中主觀性文本的評(píng)價(jià)信息，對(duì)提高網(wǎng)絡(luò)服務(wù)質(zhì)量有重要的現(xiàn)實(shí)意義。本文主要針對(duì)意見挖掘領(lǐng)域中評(píng)價(jià)主題抽取及句子傾向性識(shí)別技術(shù)進(jìn)行研究，在細(xì)顆粒度的層面上挖掘出評(píng)價(jià)事物的各個(gè)方面及其傾向性態(tài)度。所作的工作主要有以下幾個(gè)方面：
　

2、　 第一、在評(píng)價(jià)主題抽取方面。首先利用一種啟發(fā)式規(guī)則和共現(xiàn)概率統(tǒng)計(jì)的方法識(shí)別領(lǐng)域中的專業(yè)名詞性短語。然后利用LDA主題穩(wěn)定性算法獲得領(lǐng)域文本的主題數(shù)量。最后將LDA模型應(yīng)用在句子集合中抽取出各主題下的相關(guān)詞群。而這些評(píng)價(jià)主題就代表了領(lǐng)域文本中所評(píng)價(jià)的某些方面。
　　 第二、在句子傾向性識(shí)別方面。首先提出了一種多特征融合的句子傾向性識(shí)別方法，用來初步得到句子的傾向性標(biāo)簽。然后將傾向性標(biāo)簽作為先驗(yàn)知識(shí)引入到JST模型中，指導(dǎo)模型的