領域評論要素抽取及情感傾向性分析.pdf

1、隨著互聯(lián)網(wǎng)的不斷發(fā)展和電子商務不斷普及，網(wǎng)上購物交易量飛速增長，消費者對商品的評論正以驚人的速度增加。制造商和銷售商急需從海量的商品評論數(shù)據(jù)中得到用戶對產(chǎn)品的準確反饋信息，以便及時對商品進行改進。消費者則希望從產(chǎn)品評論中獲得客觀全面的產(chǎn)品信息，作為購買參考。如何能從海量的商品評論語句中快速準確的挖掘并統(tǒng)計出有用信息，成為急需解決的問題。針對商品評論的觀點挖掘致力于解決相應的問題。
　　觀點挖掘是文本挖掘的一種，是目前自然語言處理領

2、域的熱門研究方向，研究者已在該領域提出相應的模型和方法，并且取得了一定的成果。商品評論語句的口語化和隨意性，導致分詞和詞性標注正確率降低;評論語句的簡短性，導致有價值的上下文信息很少，使得商品評論觀點挖掘的難度大大增加。
　　本文在商品評論觀點挖掘背景下，選擇數(shù)碼產(chǎn)品相關領域，利用自然語言處理技術對該領域的評論數(shù)據(jù)進行分析和挖掘，對產(chǎn)品屬性的情感傾向性進行判斷，并為用戶提供友好的交互接口，便于用戶全面了解產(chǎn)品的各種屬性。本文內(nèi)容主

3、要包括以下幾個方面:
　　1、對目前觀點挖掘和評論分析的主要模型和方法，進行了詳細的介紹。對比分析了主要的文本分類模型和對象抽取方法的優(yōu)缺點。為后文的評論挖掘研究提供了基礎和依據(jù)。
　　2、提出和構建細粒度評論挖掘方法，引入多種詞法特征和句法特征及詞向量特征，對比分析了基于條件隨機場、循環(huán)神經(jīng)網(wǎng)絡、循環(huán)條件隨機場模型在評論要素抽取實驗中的性能。針對評論要素情感傾向分析，對比分析了基于支持向量機、評價詞情感極性、評價詞情感極性