基于NLP的產(chǎn)品中文評論特征詞識別與語義傾向分析.pdf

1、網(wǎng)絡上的產(chǎn)品評論對消費者和生產(chǎn)廠商都有重要意義。隨著國內(nèi)網(wǎng)絡用戶的增多，產(chǎn)品評論數(shù)量激增，但因缺乏合理的組織方式，導致信息獲取困難。本文針對產(chǎn)品中文評論，使用自然語言處理相關的方法和技術，設計了探測用戶對產(chǎn)品特征主觀傾向的系統(tǒng)方法，實現(xiàn)了產(chǎn)品評論中特征詞、觀點詞的識別和用戶針對特征詞的主觀傾向分析。本文主要研究內(nèi)容包括：
　　 1.結合句法規(guī)則和主題相關度度量，對評論中的特征詞進行識別。在產(chǎn)品特征詞識別方面，目前廣為使用的方法是

2、：人工定義和自動提取。人工定義特征詞詞典的方法移植性、適應性差。自動提取中使用關聯(lián)規(guī)則對名詞頻繁項進行挖掘，覆蓋率較低。針對這些缺點，本文提出首先使用語法規(guī)則對候選特征詞進行提取，然后使用主題相關度算法，計算候選特征詞與評論主題的相關度，實現(xiàn)特征詞過濾。
　　 2.<特征詞，觀點詞>關聯(lián)對的識別。本文認為，評論中最有價值的信息是：用戶對產(chǎn)品的哪些特征做了什么評價，而<特征詞，觀點詞>正能體現(xiàn)這一點。在<特征詞，觀點詞>關聯(lián)對的識

3、別中，廣為使用的有兩類方法：一類是先識別特征詞(觀點詞)，然后在最近距離內(nèi)根據(jù)詞性選取觀點詞(特征詞)；另一類是基于監(jiān)督學習的方法，學習關聯(lián)對的出現(xiàn)模式，通過訓練模型對新的評論進行關聯(lián)對識別。前者方法簡單，但極易引入錯誤匹配；后者通用性好，但是需要大量標注數(shù)據(jù)的支持，而標注數(shù)據(jù)的獲得代價較大。本文基于識別出的觀點詞，結合依存關系，對評論語句中的關聯(lián)對進行抽取。
　　 3.基于似然率測試方法的觀點詞語義傾向判斷。廣為使用的是基于W