面向論壇的商品評論傾向性分析方法研究.pdf

1、如何快速、準確地獲取互聯(lián)網上商品的評論信息,分析出其蘊涵的褒貶傾向,對商家掌握消費者喜好變化和輔助潛在消費者做出購買決策等方面都具有極其重要的意義。然而采用人工方式對互聯(lián)網上如此浩如煙海的無結構的評論信息進行篩選、歸納是一個費時費力的過程。因此,文本的傾向性分析研究成為了當前自然語言處理的一個研究熱點。
　　本文旨在研究傾向性分析中評價對象和評價詞識別、情感詞語義傾向判別等關鍵性技術,根據現(xiàn)有研究所存在的瓶頸,結合統(tǒng)計學、語義分析

2、學等方法,探索領域本體對傾向性分析提供的支持和作用,論文主要完成的工作如下:
　　(l)針對目前大部分基于規(guī)則的評價對象抽取方法只能找出頻繁的評價對象,對于非頻繁評價對象抽取的準確率較低的缺點,以汽車領域為例,給出了一種組合式領域概念獲取方法,從而克服了統(tǒng)計學在概念獲取時語義信息上的缺失,利用Protege工具構建汽車領域本體,嘗試采用基于領域本體和SBV的評價對象、評價詞的二元組抽取算法(I-SBV),以提高評價對象抽取的準確率

3、,并實現(xiàn)產品屬性關系的識別。
　　(2)考慮到現(xiàn)有情感詞典在構建過程中忽略了評價對象對情感極性的影響,同時根據網絡語言常常出現(xiàn)縮寫、簡寫等情況,構建了針對汽車領域的情感詞典,包括靜態(tài)情感詞典、動態(tài)情感詞典、修飾詞詞典三部分,其中靜態(tài)情感詞典融入了網絡常用詞,運用擴展的SO-PMI算法對未登錄情感詞極值進行計算,并給出了動態(tài)情感詞傾向值的計算公式,為實現(xiàn)基于情感詞典的傾向性分析提供了良好的基礎。
　　(3)以領域情感詞典為基礎