基于評價搭配的產(chǎn)品情感傾向聚類方法研究.pdf

1、隨著計算機技術(shù)和互聯(lián)網(wǎng)的迅速發(fā)展，網(wǎng)絡(luò)評論的數(shù)量正在日益增加。人們既可以在商業(yè)網(wǎng)站，也可以在博客、微博、論壇等網(wǎng)絡(luò)媒體上發(fā)表對產(chǎn)品的價格、性能和售后服務(wù)等方面的看法、建議以及意見。對于某一個流行的產(chǎn)品，若用戶采用瀏覽方式獲取大量的自己感興趣的評論信息，顯得力不從心。因此，自動、有效地對帶有情感色彩的主觀性文本進行分析處理，并對其進行歸納與總結(jié)，對于普通消費者、電子商務(wù)、網(wǎng)絡(luò)監(jiān)管等具有重要的理論意義和實用價值。
　　 本文重點研究

2、基于Web汽車評論的情感聚類問題，在對Web評論文本數(shù)據(jù)的建立與評價搭配抽的基礎(chǔ)上，分別針對文本的情感傾向和方面的情感傾向開展聚類研究。主要內(nèi)容如下:
　　 (1)建立Web評論數(shù)據(jù)庫
　　 本文首先獲取相關(guān)的評論文本，并對評論文本數(shù)據(jù)進行分類統(tǒng)計和整理，建立評論文本數(shù)據(jù)庫。結(jié)合領(lǐng)域本體知識，對評論文本中評價對象和評價詞進行了定義和分析，并對評價對象間的共指關(guān)系進行了相應(yīng)的分類。
　　 (2)基于評論文本的情感傾

3、向聚類
　　 本文首先對文本進行特征向量化表示，并將評價詞的情感傾向與句子的傾向結(jié)合，提出了線性帶權(quán)的特征權(quán)重計算，最終采用K-Means方法，實現(xiàn)了文本的情感聚類。為了驗證該方法的有效性，在真實汽車評論文本數(shù)據(jù)上進行實驗，實驗結(jié)果表明，特征進行情感傾向表示，相對于用布爾權(quán)重表示和LDA的特征權(quán)重表示，在聚類的純度和F值上都有明顯提高，說明本文提出的表示方法是可行且有效的。在情感傾向評價級別上，采用了差、較差、一般、較好、好五個

4、評級，有利于人們更好的對相關(guān)數(shù)據(jù)的分析和應(yīng)用。
　　 (3)基于方面的產(chǎn)品情感聚類為了對評價產(chǎn)品在更細粒度上進行研究，針對汽車領(lǐng)域的評論文本，從安全性、操控性、動力性、經(jīng)濟性、舒適性和服務(wù)性六個方面對汽車產(chǎn)品進行了情感聚類，給出汽車產(chǎn)品各個方面的特性和評價，不僅可以更加準(zhǔn)確的、全面的了解觀點持有者表達的真正意圖，同時還可幫助決策者做出正確的決策。針對一篇評論文本中涉及多個評價產(chǎn)品的問題，本文結(jié)合汽車產(chǎn)品的領(lǐng)域信息，加入語義特征，