跨領(lǐng)域的漢語意見挖掘方法研究.pdf

1、隨著web2.0時代的到來，網(wǎng)絡(luò)已經(jīng)成為人們生活與交流的重要工具。人們在網(wǎng)絡(luò)上發(fā)表對某一事件或者產(chǎn)品的意見或者評論。如何挖掘產(chǎn)品評論中的有用信息即意見挖掘任務(wù)，成為自然語言處理研究的一個重要的問題。而跨領(lǐng)域意見挖掘不同于同一領(lǐng)域內(nèi)的意見挖掘，完成一個自適應(yīng)強的跨領(lǐng)域挖掘系統(tǒng)對跨語言信息檢索、自動文摘等任務(wù)起到重大意義。
　　 本文是在機器學習的框架下，面向網(wǎng)絡(luò)用戶生成的非正式的產(chǎn)品意見文本研究跨領(lǐng)域的意見挖掘方法和技術(shù)，主要內(nèi)容

2、包括意見文本標點校正、意見要素抽取、領(lǐng)域相關(guān)的動態(tài)極性獲取和融合領(lǐng)域知識的情感極性分類，重點解決漢語領(lǐng)域相關(guān)的情感知識獲取問題，以提高系統(tǒng)在開放的網(wǎng)絡(luò)中的自適應(yīng)能力。具體地，本文從以下四個方面展開研究:
　　 (1)針對網(wǎng)絡(luò)意見文本存在的標點錯誤，本文提出了一種多級的融合詞層次、短語層次和功能塊層次等深層次特征的無標點序列標注方法，重點研究不同層次的特征對標點預測和校正的性能影響，考察了不同序列標注模型對其性能作用。實驗證明，融

3、入深層次特征的多級序列標注方法對(示)點預測和校對的有效性。
　　 (2)意見要素抽取作為意見挖掘的核心研究任務(wù)之一。本文提出了一種基于語素的意見要素標注及抽取方法，探索了基于不同類型的序列標注單元對意見元組要素抽取的影響。實驗結(jié)果表明，基于語素的漢語意見要素抽取的有效性。
　　 (3)領(lǐng)域相關(guān)的情感知識獲取是跨領(lǐng)域意見挖掘的關(guān)鍵問題。針對跨領(lǐng)域情感知識獲取所面臨的數(shù)據(jù)稀疏問題，本文在分析漢語意見復述特點基礎(chǔ)上，提出了基

4、于相似度的屬性-評價對正規(guī)化方法，并以此在權(quán)重化下的simRank算法進行領(lǐng)域相關(guān)極性識別，進而構(gòu)建了一種基于正規(guī)化屬性-評價對的領(lǐng)域相關(guān)的情感知識獲取方法。在手機和汽車兩個領(lǐng)域上的初步實驗結(jié)果表明，引入正規(guī)化屬性-評價對信息有利于系統(tǒng)性能的提高。
　　 (4)跨領(lǐng)域情感分類方面，本文首先識別了待測語句的領(lǐng)域，然后融合領(lǐng)域相關(guān)的情感極性知識、多種特征選擇方法，在最大熵的框架下完成跨領(lǐng)域的情感分類問題。實驗結(jié)果表明，融入識別領(lǐng)域知