基于CRFs的產(chǎn)品評論情感分類.pdf

1、隨著互聯(lián)網(wǎng)用戶數(shù)量的急劇增加和電子商務(wù)的迅猛發(fā)展，網(wǎng)絡(luò)上涌現(xiàn)出許多B2B、B2C網(wǎng)站(如京東商城、淘寶、當(dāng)當(dāng)網(wǎng)等)。這些網(wǎng)站有一個共同的特點，就是在產(chǎn)品銷售的同時，還為消費者提供了一個發(fā)表產(chǎn)品評論的平臺。消費者能及時的把自己對商品的評價展現(xiàn)出來，這些評論信息能反饋給商家和潛在的消費者。商家能根據(jù)反饋改進商品或調(diào)整銷售策略，潛在的消費者通過參考別人對商品的評論，做出正確的購物選擇。但是互聯(lián)網(wǎng)的信息數(shù)量巨大，如何在大量的評論信息中找到有價值

2、的信息，并全部閱讀這些評論做出正確的決策，這是十分困難的，所以急需一種快速、精準(zhǔn)的文本信息挖掘方法對海量的評論信息進行分析。另外，伴隨著網(wǎng)絡(luò)語言的變遷，這種挖掘方法必須具有機器學(xué)習(xí)的能力，實時更新詞匯，這樣才能得到正確的分析結(jié)果。
　　 情感分類是文本挖掘的一個應(yīng)用，是目前人工智能研究領(lǐng)域的熱門的課題，很多學(xué)者致力于語言和圖像的情感表現(xiàn)方面的研究，研究出熟諳并能準(zhǔn)確分析漢語情感的人工智能機器學(xué)習(xí)方法。
　　 本文簡述了文

3、本挖掘的概念和相關(guān)技術(shù)，然后著重介紹了在進行評論情感挖掘時涉及的技術(shù)，包括序列標(biāo)注技術(shù)、條件隨機場(CRFs)算法以及評價指標(biāo)。在本文的第三章，我們利于上述技術(shù)對評論文本情感分類進行深入探討，我們采用文本分類領(lǐng)域的特征選擇確定特征模板，然后通過字標(biāo)注系統(tǒng)，將評論文本情感分類問題轉(zhuǎn)換為序列標(biāo)注任務(wù)，最后采用CRFs機器學(xué)習(xí)的方法對其情感分類。另外，我們提出了一種情感強弱的評分機制對情感分類結(jié)果進行排名。實驗結(jié)果表明基于CRFs的評論情感分

4、類能達到較高的準(zhǔn)確率，對于分類結(jié)果的情感強弱排名也比較符合客觀事實。
　　 本文的主要貢獻在于以下幾個方面：
　　 1.基于傳統(tǒng)的正反兩種情感傾向的情感詞典基礎(chǔ)上，采用《知網(wǎng)》的計算詞語相似度方法，考慮了情感詞的詞性、程度副詞、否定詞對情感傾向的影響，構(gòu)建了一個較為完備的情感詞典。
　　 2.采用序列標(biāo)注技術(shù)，將CRFs機器學(xué)習(xí)方法引入到評論文本情感分類中，得到了較高準(zhǔn)確度分類結(jié)果。
　　 3.提出了一種