網(wǎng)絡(luò)產(chǎn)品評論中情感分析技術(shù)的研究.pdf

1、Web2.0技術(shù)在過去幾年的快速發(fā)展極大地改變了人們的生活模式，其中最為顯著的改變之一就是購物模式的改變。隨著電子商務的蓬勃發(fā)展以及各種Blog、BBS、虛擬社區(qū)等網(wǎng)絡(luò)媒介的興起，使得人們在購物后可以方便地通過這些媒介發(fā)表個人見解或評論。挖掘這些已有的產(chǎn)品評論信息，不僅可給潛在的消費者提供必要的購物參考，而且還有助于商家及時跟蹤產(chǎn)品使用者的回饋信息，使得商家在后續(xù)的市場戰(zhàn)略中繼續(xù)保持優(yōu)勢產(chǎn)品的特性并及時改進劣勢產(chǎn)品，最終提高自身的市場競

2、爭力。然而，隨著網(wǎng)絡(luò)評論數(shù)量的急劇增長，評論內(nèi)容的千差萬別及其質(zhì)量的良莠不齊，因此如何從海量評論中獲取有效的信息又是一大難題。在此背景下興起的“評論情感分析”或“評論意見挖掘”吸引了廣大研究人員的關(guān)注。評論情感分析的研究內(nèi)容主要涉及評論整體的意見傾向分析、評論中的產(chǎn)品特征挖掘、評論中的主客觀內(nèi)容識別及垃圾評論檢測等。
　　 本文以中文網(wǎng)絡(luò)產(chǎn)品評論為研究對象，重點研究了文本情感分析涉及的兩個主要領(lǐng)域：即基于文檔級的評論整體褒貶分類

3、，以及更細粒度的基于產(chǎn)品特征的情感分析。論文所做的研究工作和創(chuàng)新點如下：
　　 ■提出了一種基于無監(jiān)督學習的方法--APSWE來自動挖掘產(chǎn)品評論中的情感詞，并基于提取出的情感詞對評論進行整體的情感傾向判斷。該方法無需對評論進行中文分詞預處理，借助少量的種子情感詞和一些語言特征，然后利用固定長度的滑動窗口就可提取候選情感詞。實驗表明與樸素貝葉斯分類法、支持向量機分類法等有監(jiān)督學習的方法相比，多數(shù)情況下本文提出的無監(jiān)督學習方案的性能

4、超過了監(jiān)督學習方案，同時該方法也優(yōu)于現(xiàn)有針對中文評論的無監(jiān)督學習方案。
　　 ■針對細粒度的基于產(chǎn)品特征的情感分析，提出了利用Apriori關(guān)聯(lián)規(guī)則算法來對產(chǎn)品評論進行特征提取，并用基于統(tǒng)計的方法調(diào)整k項集中各特征之間的順序；為進一步篩選出有意義的產(chǎn)品特征，本文改進了經(jīng)典的PMI計算公式，以便于計算候選特征與產(chǎn)品的語義關(guān)聯(lián)；最后在已獲取產(chǎn)品特征的基礎(chǔ)上結(jié)合HowNet提供的情感詞典，對各特征上進行觀點傾向性分析。實驗結(jié)果表明，該