面向產(chǎn)品評論的漢語意見文摘生成方法研究.pdf

1、意見文摘作為自然語言處理和意見挖掘領(lǐng)域的一個研究熱點，其目標(biāo)是將散落在不同意見文本中的各種意見信息聚集在一起，進(jìn)而產(chǎn)生精簡的文本摘要。意見文摘不僅在問答系統(tǒng)、意見信息檢索等意見挖掘系統(tǒng)中扮演著重要的角色，而且在商業(yè)智能和推薦系統(tǒng)中也有著廣泛的應(yīng)用前景。
　　本文面向漢語產(chǎn)品評論，探索意見文摘中的一些關(guān)鍵問題，主要包括解釋性意見抽取、意見聚類和意見文本摘要生成等問題。具體地講，本文將從以下三個方面展開研究:
　　(1)多粒度的

2、漢語解釋性意見信息抽取。解釋性的意見挖掘是意見挖掘中的一個新興領(lǐng)域，其目標(biāo)是發(fā)現(xiàn)意見表達(dá)的根本原因。為了獲取解釋性意見信息，本文分別從句子和短語兩個粒度探討了解釋性意見抽取問題。具體地，我們將詞向量作為特征整合到支持向量機(jī)中進(jìn)行解釋性意見句識別，并且進(jìn)一步采用了一種弱監(jiān)督的語義模式匹配算法來識別解釋性意見句中具有解釋性的文本片段。在手機(jī)和汽車兩個領(lǐng)域的實驗結(jié)果顯示，本文提出的方法好于目前的state-of-the-art方法。
　

3、　(2)意見聚集及其在情感極性分類中的應(yīng)用。意見聚集指將產(chǎn)品評論按某種屬性聚集在一起。為了完成這個任務(wù)，本文首先從三個語言層面考慮相似度特征，即字面相似度、語義相似度和上下文相似度等。隨后針對漢語意見聚集，本文又提出了一種兩階段的層次聚類算法。進(jìn)一步地，為了避免情感分類在短文本中的數(shù)據(jù)稀疏問題，本文將之前聚集的屬性簇用于情感極性分類，在支持向量機(jī)框架下，提出了一種基于屬性簇的漢語情感極性分類框架。實驗結(jié)果顯示整合多種的相似度特征和屬性簇