中文評論文本情感分析研究.pdf

1、隨著Internet的日益普及和廣泛應用，越來越多的網(wǎng)民開始在Internet上發(fā)表自己的觀點，意見和評論。網(wǎng)絡上的這些評論文本包含了大眾群體對熱點事件的態(tài)度，或者消費者對所購買的商品或者服務的情感態(tài)度等。這些信息對國家政府，商業(yè)組織以及個體消費者都有重要的價值。然而，網(wǎng)絡上的數(shù)據(jù)規(guī)模極其龐大,并且其中很多的語句都是雜亂無章、語言不規(guī)范、無結(jié)構(gòu)化的等。如何在海量的評價文本中分析出情感信息成為研究熱點之一。評價搭配的抽取和傾向性分析是文本

2、情感分析研究的重要基礎任務。
　　在線商品評論是指消費者在網(wǎng)絡上用文字的形式表達對自己購買的商品或服務的體驗和觀點。這些信息對于商家和消費者都具有重要的商業(yè)價值，然而網(wǎng)上的很多的評價語句是散亂且海量的，用人工的方法進行情感分析幾乎是不可能的，本文以在線評價語句為研究對象，對其使用自然語言處理技術(shù)進行情感分析，進而獲得評價搭配和評價對象的傾向性。
　　本文的主要研究內(nèi)容和創(chuàng)新點如下:
　　(1)針對評價搭配的抽取問題，本

3、文提出了一種改進的基于核心句的評價搭配抽取方法。目前常用的評價搭配的抽取方法主要有兩類:一類是基于語言特征利用機器學習模型的方法抽取評價搭配;另一類是使用基于規(guī)則或模板的方法識別評價搭配。上述兩類方法中，句法分析都在評價搭配識別方面起著重要的作用，然而由于中文評價語句的不規(guī)范性，會導致句法分析結(jié)果不準確，最終影響評價搭配的抽取效果。針對這個問題，本文用提取評價語句核心句的方法有效的提高了中文評價語句的規(guī)范性，提高了句法分析的準確率。同時

4、在處理復雜的語句時，本文著重分析了評價對象之間以及評價詞之間的并列關(guān)系，提高了評價搭配抽取的召回率。實驗結(jié)果表明，本文提出的方法取得了不錯的抽取效果，驗證了本文提出的方法是有效的，具有較好的應用價值。
　　(2)針對評價對象的傾向性分析的問題，本文采用基于情感詞語義加權(quán)的方法進行傾向性分析。評價對象的傾向性分析屬于屬性級傾向性分析，基本上都以詞典為基礎，在傾向性分析中，尤其是網(wǎng)絡評價語句中會經(jīng)常出現(xiàn)網(wǎng)絡詞匯，然而由于使用詞典很難識