基于情感分析的评论挖掘技术研究

摘要

互联网上的评论隐含了发表者的观点、偏好等需求和情感信息，挖掘出评论中的这些信息可将其用于商品推荐、新产品开发、销售模式设计等领域。由于中文自然语言表达的评论具有模糊性、不确定性、表达多样性，尤其网络评论在表达形式上的不规范性，因此评论挖掘工作面临着许多困难和挑战。本文将提出基于领域本体的评论分析方法，基本思想是构建一个包含着商品的特征、属性、情感词以及它们之间的语义关系的知识模型，利用该模型可以准确地抽取出评论中所描述的商品特征以及相对应的情感词，并解决了同一个情感词在描述不同特征时可能表达不同的情感倾向的问题，具体工作如下:
　　(1)构建一个面向评论挖掘的领域本体:该领域本体将商品的特征和情感词作为本体的概念节点，并描述它们之间的语义关系。利用该领域本体进行情感分析可以准确识别出评论中的商品特征并且能提高情感分析的准确率。
　　(2)提出基于词向量的相似度计算方法:本文的概念的相似度通过词向量而得到，首先是利用词向量工具对评论语料库进行了训练，将语料库中出现的词表示为向量空间中的低维向量，通过对词向量的距离计算，从而得到词汇在语义上的相似度。
　　(3)提出基于领域本体和情感词典的情感分析方法:在领域本体的基础上，利用情感词典，对评论中的特征进行情感强度计算，并针对评论的句式特征以及语法特点，考虑到总结词、转折词和意见词对评论总体情感倾向的影响，提出新的评论分类方法，实验结果显示，本文的方法在准确率、召回率和F1值都有所提升。
　　(4)基于领域本体实现了一个酒店评论挖掘系统:本文将基于上述的研究成果，从用户需求出发，实现了一个针对酒店的评论挖掘系统，该系统给出了酒店的总体评价信息以及酒店各个特征的情感信息，用户可以快速的获取到想要的信息，从而帮助用户做出正确的消费决策。

目录

声明

摘要

第一章 绪论

1．1 研究背景

1．2 国内外研究现状

1．2．1 商品特征抽取

1．2．2 观点词抽取

1．2．3 情感极性以及强度判断

1．3 论文研究内容及意义

1．4 论文组织结构

第二章 相关技术介绍

2．1 本体理论

2．1．1 本体概述

2．1．2 本体的构建方法

2．2 词向量技术

2．2．1 统计语言模型

2．2．2 神经概率语言模型

2．3 本章小结

第三章 面向评论挖掘的领域本体构建

3．1 领域本体的相关定义

3．1．1 领域本体的定义

3．1．2 领域本体的形式化表示

3．2 概念提取方法

3．2．1 依存句法关系介绍

3．2．2 特征和情感概念提取算法

3．3 基于词向量的相似度计算

3．2．1 基于word2vec的词向量训练

3．2．2 概念的整合算法

3．4 领域本体的构建

3．5 本章小结

第四章 评论情感分析

4．1 评论特征观点词对抽取

4．1．1 分词与词性标注

4．1．2 特征-观点词对抽取方法

4．2 评论情感分类

4．2．1 情感词典构建

4．2．2 特征情感强度计算

4．2．3 情感分类方法

4．3 实验与结果分析

4．3．1 特征抽取实验

4．3．2 情感分类实验

4．4 本章小结

第五章 评论挖掘系统的设计与实现

5．1 系统的总体设计

5．2 系统的实现

5．2．1 各功能模块的实现

5．2．2 情感词典的建立与维护

5．3 系统展示

5．4 本章小结

第六章 总结与展望

致谢

参考文献

作者简介