中文微博觀點句識別及評價對象抽取.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，微博已經(jīng)成為廣大互聯(lián)網(wǎng)用戶展現(xiàn)自我、分享體驗和表達觀點的網(wǎng)絡平臺，越來越多的微博用戶熱衷于通過更新微博來表達對所關(guān)心的事物。微博上的信息包羅萬象，對規(guī)模龐大且?guī)в星楦袃A向的微博文本進行分析和研究，可以為潛在的消費者（政府部門、企業(yè)、個人）獲取相關(guān)評論提供參考。微博情感傾向性分析已成為自然語言處理中的一個研究熱點。目前國外針對英文微博的情感傾向性分析的研究開始進入應用階段，例如在2009年的德國大選中，國外自然語

2、言處理專家對Twitter上的100,000多條相關(guān)微博進行了分析，分析結(jié)果與大選結(jié)果一致，表明了微博能夠準確的反映民意。而針對中文微博的情感傾向性分析的研究還處于起步階段。本文在分析微博觀點句識別和觀點句評價對象抽取現(xiàn)狀的基礎上，確定了基于最大熵模型的微博觀點句識別和基于條件隨機場模型的觀點句評價對象抽取作為研究方案。本文的研究內(nèi)容包括以下幾個方面：
　?。?）構(gòu)建微博情感詞典和網(wǎng)絡用語詞典；將HowNet的正面、負面情感詞和正

3、面、負面評價詞作為初始的微博情感詞典，并手工將一些明確表達觀點的口語詞也收錄到情感詞典中來構(gòu)建微博情感詞典，微博情感詞典作為微博觀點句識別和情感極性判斷的基礎。
　?。?）采用基于規(guī)則和機器學習的方法進行觀點句識別和情感極性的分類；本文基于情感詞位置和句法結(jié)構(gòu)的依賴關(guān)系為規(guī)則提取微博文本特征，采用最大熵模型作為分類器。從微博文本中提取情感詞，圍繞情感詞提取程度副詞和依賴關(guān)系作為特征函數(shù)來訓練最大熵模型，利用訓練好的模型來預測微博文

4、本是否是觀點句和微博文本的情感極性。
　?。?）采用基于機器學習的方法抽取觀點句評價對象；微博觀點句評價對象的抽取實質(zhì)就是一個序列標注的過程，以微博文本中的詞作為觀測序列，通過條件隨機場模型為觀測序列找到最可能的狀態(tài)序列。本文以詞、詞性和詞在微博文本中的結(jié)構(gòu)特征作為條件隨機場模型特征模板的參數(shù)，訓練條件隨機場模型對評價對象進行識別。
　　通過對 COAE2013任務三和任務四提供的微博語料進行訓練和測試，本文微博觀點句識別的