面向电商网站评价文本的情感分析研究

摘要

随着Web2.0技术的不断发展，越来越多的用户开始在互联网上发表评论和分享经验，这些评论文本中蕴含了用户的情感信息，文本情感分析技术逐渐成为当前研究的热点。面对日新月异的互联网环境，面对信息量的快速增长，需要我们找到合适的方法，从大量的文本信息中获取所需要的内容，从而应对信息爆炸所带来的挑战。对这些信息中的评论文本进行情感分类、获取信息中的情感信息是自然语言处理领域的难点所在，文本的情感分析技术也由此应运而生。传统的文本情感分析技术，主要面向篇章级和句子级的文本，如股评分析、舆情监控等。但是随着研究的不断深入，用户对情感分析技术也提出了更高的要求。传统的粗粒度的情感分析技术已经不能适应时代的需求。本文针对情感分析中传统的方法做出了改进，通过探索新的研究思路，提高了情感分析的实用性和准确性。
　　本文针对情感分析中属性词聚类技术，提出了一种新的构建共词矩阵的方法。通过词对之间的“共现强度”，解决了共词分析时“高频词孤立问题”。通过计算词对之间语义相似度以及句式相似度，解决共词分析时“同量不同质”的问题。将这两种方法相结合，构建共词矩阵，提高了属性词聚类的准确性。
　　本文针对现阶段互联网评论信息的特点，提出了一种新的构建情感词典的方法。以HowNet评价词典和情感词典为基础，对评论信息中的情感词进行抽取，同时构建否定词词表、转折词词表、程度副词词表。对于情感词的量化，本文没有使用传统的方法，对情感词的量化进行人工评分，而是通过评论信息已有的评分，基于语义分析技术来构建不同的模型。从情感词具有模糊性这一角度考虑，计算情感词对于各个分段的隶属度，最后得出情感词的情感值，使情感词的量化更为合理有效。

目录

声明

第1章 绪论

1.1 研究背景和意义

1.2 国内外研究现状

1.3 本文研究内容

1.4 本文的组织结构

第2章 情感分析相关技术

2.1 文本情感分析相关技术

2.2 情感词典综述

2.3 词聚类分析技术

2.4 本章小结

第3章 属性词聚类研究

3.1 属性词抽取

3.2 属性词聚类分析

3.3 实验

3.4 本章小结

第4章 情感词情感强度量化研究

4.1 情感词模糊性分析

4.2 情感词典构建

4.3 实验

4.4 本章小结

结论

参考文献

致谢

附录A 攻读学位期间参加的科研项目