Web觀點挖掘系統(tǒng)的關(guān)鍵技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)的迅速發(fā)展和普及，互聯(lián)網(wǎng)已成為人們獲取信息的重要渠道；同時，它也成為人們表達自己觀點、看法、情感的平臺。因此，在各大電子商務網(wǎng)站、電子公告板以及門戶網(wǎng)站上出現(xiàn)了大量的有關(guān)各種商品的評論信息。商家和廠家的決策者需要了解顧客使用他們商品情況的反饋意見，潛在的購買者也需要根據(jù)別人的使用體驗來作出是否購買該商品的決定。對于商品生產(chǎn)廠家和潛在的商品購買者而言，面對網(wǎng)絡(luò)上如此大量、復雜的評論信息，如何迅速有效地獲取自己感興趣的商品評論的總

2、體觀點極性傾向(正面的還是負面的)就成為了一個新的問題。觀點挖掘技術(shù)的出現(xiàn)，正是為了解決這個問題。它融合了信息檢索、信息抽取、文本分類、機器學習、自然語言處理、本體論等眾多技術(shù)，具有一定的文本理解能力，更具有一定的智能性。
　　 近年來觀點挖掘技術(shù)的研究十分活躍，由于觀點挖掘涉及到大量的理論技術(shù)，本文只對觀點挖掘系統(tǒng)中的幾個關(guān)鍵方面進行了深入的研究，并嘗試構(gòu)建了一個觀點挖掘系統(tǒng)(OMS)框架，主要的研究工作如下：
　　

3、1)根據(jù)PageRank算法的思想，結(jié)合基于文本內(nèi)容的啟發(fā)式方法和基于Web超鏈分析的方法二者之間的優(yōu)點，提出一種新的爬行方法，為我們的觀點搜索系統(tǒng)專門設(shè)計了分布式的、改進的聚焦網(wǎng)絡(luò)爬蟲算法，并實現(xiàn)了這個高效的分布式的聚焦爬蟲子系統(tǒng)。
　　 2)基于最大熵和支持向量機的方法進行評論的高質(zhì)量與低質(zhì)量分類研究，過濾掉大量低質(zhì)量的商品評論，從而保證觀點搜索系統(tǒng)能夠給出高質(zhì)量的查詢結(jié)果。
　　 3)利用《知網(wǎng)》構(gòu)造具有主觀性詞的