基于極大相容塊的產品評論文本情感分類研究.pdf

1、隨著網(wǎng)絡技術的迅速發(fā)展，Internet已成為大多數(shù)人們表達自己觀點和獲取信息的平臺。越來越多的商家通過網(wǎng)上出現(xiàn)的大量評論信息，了解用戶對產品的消費意見或建議，以便改進產品的性能，提供更好的售后服務。當然，網(wǎng)上的評論也為消費者的購物行為提供了參考。但是，網(wǎng)上的新評論每天都會大量地涌現(xiàn)，針對這些評論，僅靠人工去跟蹤和分析顯然是不行的。近年來，人們開始重視并探索評論文本中對產品的情感傾向性判別問題。
　　本文旨在研究面向產品評論文本的

2、情感分類問題，主要有以下幾方面的工作:
　　(1)基于最大熵與Bootstrapping相結合的方法實現(xiàn)關聯(lián)三元組的自動抽取。
　　基于<產品特征Pfeature，情感詞Sword>關聯(lián)對的缺點，討論了否定性副詞與情感詞進行搭配的必要性，提出了關聯(lián)三元組，能夠更確切地表示文本中評論句對產品特征的客觀情感傾向。對于關聯(lián)三元組的獲取，我們采用了兩個步驟:首先，利用已經訓練好的最大熵模型作

3、為分類器，結合Bootstrapping方法完成了產品特征與情感詞語關聯(lián)對的抽取;其次，利用算法將情感詞前的否定性副詞抽取出來，合成關聯(lián)三元組。
　　(2)提出一種新的基于領域知識的特征重要性度量方法，完成了對文本情感分類的特征抽取。
　　本文以汽車領域的評論文本作為研究對象，發(fā)現(xiàn)條件屬性值與決策屬性值往往具有強烈的相關性，利用這種相關性，針對非完備二分類決策信息系統(tǒng)，通過基于領域知識的條件屬性值映射，考察數(shù)據(jù)關于決策的一致

4、率和非一致率，以Shannon熵為基礎，定義了信息正增益和負增益，用分類信息熵及其拓展公式度量了條件屬性的重要性，并將其應用于中文文本情感分類的特征選擇當中，實驗結果表明這種新的屬性重要性度量是有效的。這種新度量方法為基于領域的文本情感分類問題提供了特征選擇方法。
　　(3)提出了基于極大相容塊的文本情感分類方法，可以實現(xiàn)文本情感的更細分類。
　　以前的分類器大多是把文本的情感分成了褒和貶兩類，這個分類的粒度是較粗的，本文以