基于句法樹模式的產(chǎn)品評論意見挖掘研究.pdf

1、隨著B2C商務模式的蓬勃發(fā)展和網(wǎng)絡購物的流行。網(wǎng)絡評論數(shù)量飛速增長，信息內(nèi)容越來越龐雜，導致客戶評論中的有用信息難以被獲取。因此，迫切需要一種有效的手段對各種大量評論數(shù)據(jù)進行整理，以形式化的方式將數(shù)據(jù)的統(tǒng)計結果展現(xiàn)給消費者。網(wǎng)絡產(chǎn)品評論的意見挖掘技術正是在這樣的應用需求環(huán)境下產(chǎn)生并迅速發(fā)展起來的。意見挖掘(OpinionMining)是數(shù)據(jù)挖掘的一個重要的研究方向，它基于數(shù)據(jù)挖掘和文本挖掘技術，同時又具備一定的文本理解和傾向性分析的能力

2、。
　　 評價對象抽取和情感傾向性分析是意見挖掘的兩個核心任務。本文對這兩個核心任務的方法進行了深入研究，并以產(chǎn)品評論作為研究對象，將分析任務分為評價對象抽取、評價對象關聯(lián)對識別和情感傾向性分析三個部分，將產(chǎn)品的各個組成部分和各個屬性作為特征，分析并統(tǒng)計產(chǎn)品的每個特征的褒義和貶義評價數(shù)量，并最終展示給用戶。
　　 本文的工作主要包括以下四個方面:
　　 (1)在評價對象抽取方面，本文提出了一種基于模式匹配的抽取方

3、法，本方法首先通過大量樣本統(tǒng)計，獲得種子規(guī)則集，以抽取有效評價句，繼而通過句法結構組合以及詞性距離相關性算法來抽取評價對象。種子規(guī)則和評價對象被存入相應的模式庫。同時，本文采用半監(jiān)督學習方法與動態(tài)替換來進行規(guī)則的學習與評價對象的擴充訓練。這種方法使得抽取的評價對象在準確率和召回率上都有很大的提高。
　　 (2)提出了句法樹結點泛化組合與模式相似度匹配相結合的方法。本文使用模式匹配的方法抽取評價對象關聯(lián)對。精確的模式匹配在用于句法

4、樹這種結構時，匹配難度很大，導致最終抽取結果召回率不高。本文首先將句法樹結點進行泛化組合，然后使用相似度算法進行模式匹配。實驗證明，本文的方法結果優(yōu)于精確匹配，也優(yōu)于沒有進行句法樹結點泛化組合的情況。
　　 (3)在情感傾向性分析過程中，將拆分判別引入到情感詞典匹配的方法中。由于評價詞是由句法樹結點泛化組合后的詞，對于在評價詞典中未找到的評價詞，以其分詞后的詞作為最小單位再次在評價詞典中查找，并采用線性加權的方式對整個評價詞的傾