基于LDA主題模型的評(píng)價(jià)對(duì)象抽取研究.pdf

1、近年來電子商務(wù)發(fā)展迅猛，顧客在購買產(chǎn)品之后針對(duì)產(chǎn)品的主觀性評(píng)論也與日俱增。這些網(wǎng)絡(luò)評(píng)論信息表達(dá)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(jià)值。客戶購買商品前，經(jīng)常通過之前用戶的產(chǎn)品評(píng)論來了解該產(chǎn)品的質(zhì)量和服務(wù)，根據(jù)所獲取的信息再?zèng)Q定是否購買。同樣，這些評(píng)論信息對(duì)商家也有著重要的意義，他們可以通過評(píng)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(píng)，而在哪些方面應(yīng)該努力改進(jìn)，從而實(shí)現(xiàn)自身商業(yè)利益的最大化。針對(duì)網(wǎng)上大量的評(píng)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(shí)的，需要通過計(jì)算機(jī)快速獲取和處理這些具有主觀情感色彩的評(píng)價(jià)信息，情感分析技術(shù)應(yīng)運(yùn)而生。情感分析技術(shù)包含了許多方面的任務(wù)，評(píng)價(jià)對(duì)象抽取就是其中非常重要的任務(wù)之一。
　　評(píng)價(jià)對(duì)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(jì)的方法?；谝?guī)則/模板的方法需要領(lǐng)域?qū)＜叶x相應(yīng)領(lǐng)域的評(píng)價(jià)對(duì)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(shí)也不能將評(píng)價(jià)對(duì)象進(jìn)行聚類。LDA主題模型是一

3、種無監(jiān)督統(tǒng)計(jì)模型，不僅能克服上述方法的缺點(diǎn)，也無需大量的人工標(biāo)記，得到了研究者的廣泛關(guān)注。但LDA主題模型在應(yīng)用時(shí)忽略了詞的位置信息和語言結(jié)構(gòu)信息，并不適合評(píng)價(jià)對(duì)象抽取的研究，因此需要對(duì)其進(jìn)行擴(kuò)展，以達(dá)到抽取目的。
　　在LDA的擴(kuò)展模型中，雖然有很多能識(shí)別出評(píng)價(jià)對(duì)象，但無法將評(píng)價(jià)對(duì)象和評(píng)價(jià)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(yīng)的語言特征以彌補(bǔ)標(biāo)準(zhǔn)LDA的缺陷，并能識(shí)別出評(píng)

4、價(jià)對(duì)象，同時(shí)能將評(píng)價(jià)對(duì)象和評(píng)價(jià)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(duì)上述問題，本文提出了基于主題-條件隨機(jī)場(chǎng)的CLDA模型，進(jìn)行評(píng)價(jià)對(duì)象的抽取。首先在LDA模型中引入條件隨機(jī)場(chǎng)，來區(qū)分評(píng)價(jià)對(duì)象，評(píng)價(jià)詞和背景詞;然后，通過加入指示變量，對(duì)評(píng)價(jià)對(duì)象，評(píng)價(jià)詞和背景詞進(jìn)行全局和局部的區(qū)分，之所以要將詞進(jìn)行全局和局部的區(qū)分，是因?yàn)轭櫩驮趯?duì)產(chǎn)品進(jìn)行評(píng)價(jià)時(shí)，有些用詞使用比較頻繁

5、，容易將其他的評(píng)價(jià)對(duì)象或評(píng)價(jià)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(dá)到抽取評(píng)價(jià)對(duì)象的研究目的，而且能夠?qū)⒃u(píng)價(jià)對(duì)象和評(píng)價(jià)詞進(jìn)行分離。
　　為驗(yàn)證CLDA模型的有效性，實(shí)驗(yàn)中使用Restaurant領(lǐng)域的評(píng)論數(shù)據(jù)集，進(jìn)行定性分析和定量分析，在定量分析中，與MaxEnt-LDA模型進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果表明CLDA模型在評(píng)價(jià)對(duì)象抽取方面，有著更好的性能。實(shí)驗(yàn)中還重點(diǎn)討論了條件隨機(jī)場(chǎng)模型中的特征選擇問