面向商品評(píng)論文本的情感分析研究.pdf

1、電子商務(wù)的快速發(fā)展，使得網(wǎng)絡(luò)購(gòu)物成為人們選購(gòu)商品的重要途徑之一。與線下實(shí)體店購(gòu)物不同，網(wǎng)絡(luò)購(gòu)物時(shí)人們會(huì)更關(guān)注網(wǎng)絡(luò)上的商品評(píng)價(jià)信息。這些信息包含了已購(gòu)買者對(duì)商品各方面的主觀評(píng)價(jià)，對(duì)商品的褒貶評(píng)價(jià)在很大程度上影響著人們的購(gòu)買決策。因此，對(duì)這些評(píng)價(jià)信息包含的主觀情感進(jìn)行分析有著重要的現(xiàn)實(shí)意義。已有的研究表明，不同的人們對(duì)同一商品會(huì)有著不同的關(guān)注點(diǎn)，因此簡(jiǎn)單的對(duì)商品整體進(jìn)行分析已經(jīng)不能滿足人們個(gè)性化的需求。
　　論文針對(duì)網(wǎng)上商品評(píng)論的情感

2、分析進(jìn)行了深入研究，主要工作包括：
　　(1)深入研究了文本情感傾向性分析的基本理論、基本框架和相關(guān)技術(shù)，重點(diǎn)研究了情感詞典及其擴(kuò)充問題。情感詞典是文本情感傾向性分析的基礎(chǔ)，對(duì)最終的傾向性判斷結(jié)果有很大的影響。一般情況下，情感詞典包含的詞語(yǔ)越豐富，傾向性判斷的結(jié)果越好。本文在研究已有情感詞典建立方法的基礎(chǔ)上，根據(jù)目前網(wǎng)絡(luò)商品評(píng)論的新情況，對(duì)情感詞典進(jìn)行了擴(kuò)充，增加了否定詞、雙重否定詞、轉(zhuǎn)折詞、網(wǎng)絡(luò)用語(yǔ)等詞典，當(dāng)語(yǔ)料庫(kù)中包含這些詞語(yǔ)

3、較多時(shí)將使情感傾向性判斷結(jié)果更接近真實(shí)情況。
　　(2)研究種子詞選取方法并提出改進(jìn)方法。在文本情感傾向性分析中種子詞的選取也是至關(guān)重要的，對(duì)最終的傾向性判斷結(jié)果也會(huì)有很大的影響。本文針對(duì)已有的種子詞選取方法覆蓋范圍小的問題，提出與評(píng)價(jià)領(lǐng)域相關(guān)的種子詞選取方法，擴(kuò)大了選取的覆蓋面，并針對(duì)評(píng)價(jià)領(lǐng)域的特點(diǎn)，增加了否定屬性表，使得分析結(jié)果更能夠符合實(shí)際情況。實(shí)驗(yàn)結(jié)果表明，上述改進(jìn)方法可以有效地提高召回率和準(zhǔn)確率。
　　(3)研究并

4、改進(jìn)情感詞相似度計(jì)算算法，給出商品評(píng)價(jià)情感傾向性分析的最終結(jié)果。針對(duì)基于語(yǔ)料庫(kù)方法低頻詞計(jì)算準(zhǔn)確率差，而基于知網(wǎng)詞典方法又依賴人工建立的詞典，受人的主觀意識(shí)影響較大等問題，本文提出了綜合改進(jìn)算法PMI_HRV。算法綜合了上述的詞典擴(kuò)充和種子詞選取方法，以及基于語(yǔ)料庫(kù)方法和基于知網(wǎng)詞典的方法，解決了基于語(yǔ)料庫(kù)方法低頻詞計(jì)算準(zhǔn)確率差問題，并減小了基于知網(wǎng)方法人為主觀意識(shí)的影響。實(shí)驗(yàn)結(jié)果表明，PMI_HRV算法可以給出最終的商品情感傾向性分析