基于LDA主題模型的評價對象抽取研究.pdf

1、近年來電子商務發(fā)展迅猛，顧客在購買產(chǎn)品之后針對產(chǎn)品的主觀性評論也與日俱增。這些網(wǎng)絡評論信息表達了人們的各種情感色彩及情感傾向性，包含著非常重要的價值?？蛻糍徺I商品前，經(jīng)常通過之前用戶的產(chǎn)品評論來了解該產(chǎn)品的質(zhì)量和服務，根據(jù)所獲取的信息再決定是否購買。同樣，這些評論信息對商家也有著重要的意義，他們可以通過評論獲取客戶的反饋，從而了解產(chǎn)品在哪些方面受到青睞和好評，而在哪些方面應該努力改進，從而實現(xiàn)自身商業(yè)利益的最大化。針對網(wǎng)上大量的評論文本

2、，如果僅通過人工方式來分析處理顯然是不現(xiàn)實的，需要通過計算機快速獲取和處理這些具有主觀情感色彩的評價信息，情感分析技術(shù)應運而生。情感分析技術(shù)包含了許多方面的任務，評價對象抽取就是其中非常重要的任務之一。
　　評價對象抽取的研究主要包括基于規(guī)則/模板的方法和基于統(tǒng)計的方法。基于規(guī)則/模板的方法需要領(lǐng)域?qū)＜叶x相應領(lǐng)域的評價對象和規(guī)則，無法滿足不斷出現(xiàn)的新詞，不具有跨領(lǐng)域性，可移植性差，同時也不能將評價對象進行聚類。LDA主題模型是一

3、種無監(jiān)督統(tǒng)計模型，不僅能克服上述方法的缺點，也無需大量的人工標記，得到了研究者的廣泛關(guān)注。但LDA主題模型在應用時忽略了詞的位置信息和語言結(jié)構(gòu)信息，并不適合評價對象抽取的研究，因此需要對其進行擴展，以達到抽取目的。
　　在LDA的擴展模型中，雖然有很多能識別出評價對象，但無法將評價對象和評價詞分開，而Zhao等提出的MaxEnt-LDA模型在LDA中引入最大熵，通過最大熵模型來加入相應的語言特征以彌補標準LDA的缺陷，并能識別出評

4、價對象，同時能將評價對象和評價詞分開。但MaxEnt-LDA模型只考慮了詞法特征，忽略了句法特征，而最大熵部分也存在一些不足。
　　針對上述問題，本文提出了基于主題-條件隨機場的CLDA模型，進行評價對象的抽取。首先在LDA模型中引入條件隨機場，來區(qū)分評價對象，評價詞和背景詞;然后，通過加入指示變量，對評價對象，評價詞和背景詞進行全局和局部的區(qū)分，之所以要將詞進行全局和局部的區(qū)分，是因為顧客在對產(chǎn)品進行評價時，有些用詞使用比較頻繁

5、，容易將其他的評價對象或評價詞淹沒，所以使用全局和局部來區(qū)分出頻繁用詞和非頻繁用詞。通過CLDA模型不僅能夠達到抽取評價對象的研究目的，而且能夠?qū)⒃u價對象和評價詞進行分離。
　　為驗證CLDA模型的有效性，實驗中使用Restaurant領(lǐng)域的評論數(shù)據(jù)集，進行定性分析和定量分析，在定量分析中，與MaxEnt-LDA模型進行對比，實驗結(jié)果表明CLDA模型在評價對象抽取方面，有著更好的性能。實驗中還重點討論了條件隨機場模型中的特征選擇問