基于HowNet的中文語義傾向性分析技術(shù)研究.pdf

1、讓計算機(jī)理解人類的情感是人工智能的最高境界，對文本進(jìn)行正面、負(fù)面的語義傾向性分析是基礎(chǔ)，也是目前富有挑戰(zhàn)性的工作。在Web2.0時代，海量的網(wǎng)絡(luò)評論蘊(yùn)涵著很多有價值的信息，為及時、自動、智能、準(zhǔn)確地發(fā)現(xiàn)這些信息，迫切需要應(yīng)用語義傾向性分析技術(shù)來解決這一問題。
　　 語義傾向性分析目前最大的價值在于從某一個主題的評論中分析得出總結(jié)性的結(jié)果，這首先涉及到從互聯(lián)網(wǎng)上獲取大量的評論數(shù)據(jù)，可行的策略是使用并行技術(shù)。并行網(wǎng)頁獲取技術(shù)已經(jīng)得到

2、深入研究，但是研究集中在為通用搜索引擎的網(wǎng)頁搜集部分服務(wù)，目標(biāo)一般是全球的網(wǎng)頁。針對一個主題的評論通常集中在一些站點，網(wǎng)頁也呈現(xiàn)高度結(jié)構(gòu)化。因此針對這樣的應(yīng)用，本文設(shè)計了動態(tài)任務(wù)分配模型來并行下載網(wǎng)絡(luò)評論?；陉P(guān)系數(shù)據(jù)庫和豆瓣網(wǎng)的實現(xiàn)證明了該模型的蜘蛛設(shè)計簡單、對運行蜘蛛的機(jī)器要求低、可伸縮性好。該模型同樣可以用于垂直搜索引擎的網(wǎng)頁搜集部分。
　　 語義傾向性分析離不開情感知識庫，而中文研究中目前尚無一個完善的情感詞典。HowN

3、et雖然提供了相當(dāng)數(shù)量的情感詞，但在本文的語義傾向性分析中尚不能直接應(yīng)用。因此本文研究了基于HowNet的情感詞典的構(gòu)建。
　　 在篇章的語義傾向性分析方面，本文認(rèn)為語言學(xué)的知識、規(guī)則可以用來提高統(tǒng)計學(xué)習(xí)算法的效果，因而基于情感詞典，提出了屬性加權(quán)的統(tǒng)計學(xué)習(xí)算法來進(jìn)行篇章的情感分析，增強(qiáng)情感詞在文本傾向性分類中的貢獻(xiàn)，具體實現(xiàn)了屬性加權(quán)的樸素貝葉斯和屬性加權(quán)的評分算法。針對中文網(wǎng)絡(luò)評論的語義傾向性分析實驗結(jié)果表明：屬性加權(quán)的統(tǒng)計