網(wǎng)站商品評論挖掘技術(shù)的研究.pdf

1、隨著互聯(lián)網(wǎng)應(yīng)用的迅速發(fā)展，購物網(wǎng)站、點評網(wǎng)站以及各種論壇上不斷積累了越來越多的商品評論文本。在商品評論挖掘的研究中，基于方面的情感分析備受關(guān)注。從消費者的角度來看，不同消費者看重的方面會有所區(qū)別，基于方面的情感分析結(jié)果可以幫助他們選擇更適合自己的產(chǎn)品。從商家的角度來看，基于方面的情感分析結(jié)果可以讓商家知道其產(chǎn)品有哪些方面存在問題，可以幫助他們對產(chǎn)品進行改進。
　　本文利用CRFs模型，對評論文本進行基于方面的情感分析研究，主要包括

2、方面與評價詞抽取、情感極性及強度分析、基于主題-方面的情感極性及強度分析結(jié)果總結(jié)三部分。
　　關(guān)于方面與評價詞的抽取，本文提出了基于LDA和CRFs的半監(jiān)督方面詞與評價詞同步抽取方法。初始方面詞與評價詞集合從LDA主題模型的訓(xùn)練結(jié)果以及知網(wǎng)的情感詞典中獲取。在CRFs模型中，融合了統(tǒng)計特征（從LDA主題模型的訓(xùn)練結(jié)果中得到）、語義特征（詞、詞性、語氣詞、程度詞、詞之間的前后關(guān)系）以及方面與評價詞的共現(xiàn)等特征，最終得到方面詞抽取的F

3、1值為71.7％，評價詞抽取的F1值為55.3％。和有監(jiān)督學(xué)習(xí)相比，本文的半監(jiān)督方法能很大程度上減少方面詞和評價詞標注的工作量。因為是半監(jiān)督，該方法還具有一定的跨領(lǐng)域性，如果應(yīng)用到其他領(lǐng)域，需要做的額外工作很少。
　　關(guān)于情感極性分類及強度分析，本文利用層疊CRFs模型，融合詞、詞性、語氣詞、程度詞、方面和評價詞的共現(xiàn)等特征，在情感句識別、情感極性分類和情感強度分析上得到的F1值分別為86.3％、77.2％、70.7％。