细粒度中文网络消费评论情感极性分类方法研究

摘要

近年来，随着电子商务和各种类型互联网互动社区的同步快速发展，网络消费评论信息，形成了具有重要商业价值的大数据集。网络商品评论的情感分析技术能够从主观性文本中识别、抽取相关的倾向性信息，通过特定算法以量化形式描述出文本所表达的主观意见，借此推测出评论者对所购买商品或服务的喜好程度，能够影响消费者的决策行为，对于改进商品特性、精准推送商品信息也具有重要的指导意义。
　　为使情感分析的效用更加精准的作用于某一属性之上，以最大发挥消费评论的商业价值，本文开展网络消费评论分析中情感词与属性词的自动提取算法，以及基于情感词与属性词分析的细粒度网络消费评论情感极性分类方法研究。本文首先利用网络爬虫技术抓取了网络餐饮消费评论作为语料库，借助机器学习、自然语言处理等领域的理论知识，结合中文网络评价语言表达方式的特点，提出一种基于语料的领域情感词库自动构建方法;结合了餐饮评论中情感词与属性词之间的特征分析，提出基于名词+LDA(Latent Dirichlet Allocation)和基于字词间距+LDA+情感词库两种属性词搜寻策略，并对方法和策略的有效性进行了实验验证和实验结果分析;构建情感评价单元，根据情感评价单元进行情感计算，依据计算得分实现细粒度的文本情感分析，将细粒度情感分析结果以图形化层次结构进行了输入显示。
　　通过本文的研究能够进一步提高用户评论情感分析的精确性，并使其在产品或服务改进、消费决策过程中发挥更大的指导作用。

目录

声明

摘要

第1章 绪论

1．1 论文的研究背景及意义

1．2 国内外研究现状

1．2．1 文本分类技术研究

1．2．2 情感分类技术研究

1．2．3 存在的问题和挑战

1．3 论文的主要研究内容与章节安排

1．3．1 论文主要研究内容

1．3．2 论文的组织结构

第2章 相关知识介绍与研究方案设计

2．1 中文自然语言处理相关知识

2．1．1 中文分词

2．1．2 中文词性标注

2．1．3 中文分词系统

2．2 情感词与属性词的搭配抽取

2．2．1 情感词与属性词

2．2．2 情感词与属性词的搭配抽取

2．3 研究方案设计

2．3．1 总体研究过程框架

2．3．2 研究方案设计说明

2．4 本章小结

第3章 基于语料的领域情感词库构建方法

3．1 领域情感词库构建总体过程框架

3．2 领域情感词库结构设计

3．3 语料选取与预处理

3．3．1 语料选取

3．3．2 语料预处理

3．4 领域基准情感词集构建

3．4．1 基于公共词典库的领域基础标准情感词集构建

3．4．2 基于词性特征的语料库种子情感词提取

3．4．3 基于点互信息(PMI)的语料库情感词自动扩充

3．5 实验与分析

3．5．1 实验结果

3．5．2 结果分析

3．6 本章小结

第4章 基于LDA主题模型的属性词提取方法

4．1 方法概述

4．1．1 LDA主题模型简介

4．1．2 基于LDA主题模型的属性词提取策略

4．2 实验方案设计

4．2．1 实验流程设计

4．2．2 领域语料库基准属性词集构建

4．2．3 准属性词集筛选

4．3 实验结果分析

4．4 本章小结

第5章 面向评价属性的细粒度文本情感分析实现

5．1 方法概述

5．2 情感评价单元构建

5．2．1 情感评价单元定义

5．2．2 断句处理算法

5．2．3 程度副词、否定词提取

5．3 情感聚合与情感倾向分类计算

5．4 实验结果可视化表示

5．5 本章小结

第6章 总结与展望

6．1 总结

6．2 展望

参考文献

致谢

作者简介