基于依賴關(guān)系的產(chǎn)品網(wǎng)絡(luò)評論傾向性研究與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展，越來越多的人通過瀏覽互聯(lián)網(wǎng)中產(chǎn)品的評論信息來了解產(chǎn)品的質(zhì)量與服務(wù)的口碑，以便幫助他們做出可靠的決策;另一方面，作為生產(chǎn)廠家，他們也可以通過用戶的產(chǎn)品評論及時(shí)了解用戶對產(chǎn)品的意見或建議，從而在以后的生產(chǎn)中改進(jìn)產(chǎn)品的性能或服務(wù)。由于互聯(lián)網(wǎng)中的產(chǎn)品評論具有數(shù)量大、隨意性、變化快等特點(diǎn)，如果采用傳統(tǒng)人工閱讀的方式，不僅需要消耗很長的時(shí)間，而且即時(shí)性差。這些迫切的應(yīng)用需求使得產(chǎn)品評論自動(dòng)挖掘應(yīng)勢而生，并迅速成為信息處理領(lǐng)域的熱點(diǎn)

2、之一。
　　 產(chǎn)品評論挖掘包括挖掘用戶評論中提及的產(chǎn)品特征（即評價(jià)對象）、挖掘用戶對產(chǎn)品特征的主要觀點(diǎn)（即評價(jià)詞）、判斷評論觀點(diǎn)的情感傾向性以及根據(jù)觀點(diǎn)的重要性進(jìn)行排名等四個(gè)子任務(wù)。
　　 用戶評論中對產(chǎn)品特征描述中往往會利用多個(gè)詞語限定他們描述的是產(chǎn)品具體哪一屬性或哪一個(gè)組件。傳統(tǒng)的產(chǎn)品挖掘抽取出的產(chǎn)品特征僅包含產(chǎn)品屬性或組件名稱，忽略了這些限定關(guān)系。本文利用語義間依賴關(guān)系抽取產(chǎn)品屬性前后的修飾詞組合并作為復(fù)合產(chǎn)品特征

3、。同時(shí)將傳統(tǒng)的評論挖掘轉(zhuǎn)化為序列標(biāo)注問題，并利用條件隨機(jī)場CRFs在標(biāo)注方面的優(yōu)勢，結(jié)合語義間依賴關(guān)系，提出了基于語義間依賴關(guān)系的條件隨機(jī)場抽取產(chǎn)品復(fù)合特征的算法。在抽取復(fù)合產(chǎn)品特征后，繼續(xù)利用語義間依賴關(guān)系抽取產(chǎn)品特征詞對應(yīng)的評價(jià)詞語，最后利用HowNet判斷評價(jià)詞語的傾向性。通過對互聯(lián)網(wǎng)中產(chǎn)品評論進(jìn)行實(shí)驗(yàn)，我們?nèi)〉昧溯^高的準(zhǔn)確率與召回率。
　　 本文的主要工作如下:
　　 1、研究了現(xiàn)有的產(chǎn)品評論挖掘算法，將傳統(tǒng)的評

4、論挖掘問題轉(zhuǎn)化為序列標(biāo)注的問題。文中以F代表評價(jià)對象、O代表評價(jià)詞，B代表其他無關(guān)詞語來標(biāo)注用戶評論，從而可以用以F、O、B三元素組成的序列代表評論。近年來，條件隨機(jī)場CRFs被廣泛應(yīng)用于序列標(biāo)注中，并取得了良好的效果。
　　 2、傳統(tǒng)的產(chǎn)品特征識別有基于規(guī)則和基于統(tǒng)計(jì)的方法?；谝?guī)則的方法雖具有較高的準(zhǔn)確率，但很大程度上依賴于詞語的先后順序。本文針對語法依賴關(guān)系采用中心詞語驅(qū)動(dòng)，不過多強(qiáng)調(diào)句子中固定詞序的特點(diǎn)，將詞語依賴關(guān)系作

5、為條件隨機(jī)場CRFs中的因子，從而將依賴關(guān)系與條件隨機(jī)場CRFs結(jié)合起來對句子進(jìn)行標(biāo)注。通過對互聯(lián)網(wǎng)上采集下來的產(chǎn)品評價(jià)集進(jìn)行挖掘?qū)嶒?yàn)，結(jié)果分析表明，算法取得了較高的準(zhǔn)確率和召回率，并具有領(lǐng)域獨(dú)立性的特點(diǎn)。
　　 3、用戶評論的評價(jià)對象與評價(jià)詞通常成對出現(xiàn)，本文利用中文語義依賴關(guān)系提取產(chǎn)品評價(jià)對象所對應(yīng)的評價(jià)詞;然后利用基于HowNet等資源的中文極性詞典從而判斷評價(jià)詞的極性，并進(jìn)一步對產(chǎn)品特征進(jìn)行極性分類。
　　 4、