基于機器學(xué)習(xí)的漢語情感極性分類方法研究.pdf

1、隨著Web2.0逐漸走向成熟，網(wǎng)絡(luò)中出現(xiàn)了大量的用戶生成意見文本，意見挖掘因此而成為自然語言處理領(lǐng)域的一個研究熱點。作為意見挖掘研究的關(guān)鍵問題之一，情感極性分類的目的是判定意見文本表達的情感傾向性為正向或負向。本文面向產(chǎn)品評論，在機器學(xué)習(xí)框架下從情感詞典擴展、意見復(fù)述生成以及情感極性分類特征選擇與表示等三個方面探索漢語情感極性分類問題。具體如下:
　　1.領(lǐng)域相關(guān)的漢語情感詞典擴展:鑒于意見本文中廣泛存在動態(tài)極性評價表達，本文以屬

2、性-評價對作為領(lǐng)域情感詞典的基本詞條。首先，根據(jù)有標注文本中的意見要素構(gòu)建種子詞典。然后，有監(jiān)督地抽取未標注文本中的意見要素信息，通過統(tǒng)計得到的共現(xiàn)頻率和詞間距離將意見要素匹配為屬性-評價對。最后，利用改進的PolarityRank算法預(yù)測詞條的極性完成詞典擴展。實驗結(jié)果在領(lǐng)域文本的情感分類中驗證了情感詞典的適用性。
　　2.基于多標準評估的情感復(fù)述生成:針對大規(guī)模意見標注文本比較缺乏的問題，本文提出通過意見復(fù)述生成的方法緩解數(shù)據(jù)

3、稀疏。首先利用語序調(diào)整、復(fù)述評價短語替換和隱含屬性替換生成大量的復(fù)述候選。然后，從不同角度設(shè)定評估機制對候選進行篩選得到擴展語料。最后，利用復(fù)述生成方法同時擴展訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)完成情感極性分類。實驗得到的情感分類結(jié)果好于復(fù)述生成基線方法的情感分類結(jié)果，驗證了我們提出的復(fù)述生成及過濾策略的有效性。
　　3.漢語情感極性分類的特征選擇與表示:以特征的選擇和表示方法為重點來提高意見文本的情感極性分類性能。本文對多種特征選擇方法得到的詞