基于Co-training訓(xùn)練CRF模型的評價搭配識別.pdf

1、隨著以用戶為中心的語義Web2.0的迅速發(fā)展，互聯(lián)網(wǎng)用戶的數(shù)量也不斷增加，隨之涌現(xiàn)出批量的評論文本，其中主要包括人們對產(chǎn)品、事件或者人物的觀點、態(tài)度和想法等情感傾向。這些評論信息對于企業(yè)和個人來說都是非常重要的。但是，緊靠人工力量從網(wǎng)絡(luò)上海量的數(shù)據(jù)中挖掘出有用的語義信息需要耗費大量的時間。為了快速、準(zhǔn)確的挖掘出用戶需要的信息，對評論文本進行情感傾向分析成為一項迫切的任務(wù)。
　　 本文通過Co-training訓(xùn)練多特征CRF模型

2、對評價對象和評價短語進行識別，在此基礎(chǔ)上對中文評論文本中的評價搭配進行識別，具體內(nèi)容如下:
　　 (1)基于Co-training思想訓(xùn)練CRF模型
　　 對于CRF模型，特征的選擇是至關(guān)重要的。特征模板的好壞直接影響到最終標(biāo)注模型的性能，而且標(biāo)注信息的多少也對模型有重要的影響。因此，本文提出基于Co-training訓(xùn)練CRF模型的方法。主要利用CRF模型中通用特征，即詞特征、詞性特征及上下文特征，采用不同比例的已標(biāo)注

3、初始訓(xùn)練集，通過Co-training思想訓(xùn)練CRF模型。當(dāng)模型性能趨于穩(wěn)定時結(jié)束訓(xùn)練。
　　 (2)基于Co-training訓(xùn)練CRF模型的評價對象和評價短語識別
　　 為了識別評論文本中的評價對象和評價短語，本文利用上述(1)訓(xùn)練的模型對文本中的評價信息進行識別。隨著標(biāo)注比例不斷增大評價信息的識別效果越來越好。在汽車領(lǐng)域中，對待標(biāo)注汽車評論語料中評價對象識別的精確率為67.483％，召回率為67.832％。對于評價

4、短語識別效果:與通過模板識別評價短語的實驗結(jié)果進行比較，當(dāng)標(biāo)注比例≥0.03時，F(xiàn)均高于模板的實驗結(jié)果;當(dāng)標(biāo)注比例為0.1時，實驗結(jié)果接近于標(biāo)準(zhǔn)實驗結(jié)果。
　　 (3)基于近鄰法的評價搭配識別
　　 評價搭配是文本中評價對象與其相關(guān)評價短語的組合。評價搭配的識別是情感傾向分析領(lǐng)域的一項基礎(chǔ)任務(wù)。本文通過Co-training訓(xùn)練CRF模型，然后分別對評價對象和評價短語進行識別，在此基礎(chǔ)上采用近鄰法對評論文本中的評價搭配進