基于主题模型的在线评论分析方法研究

摘要

在线评论是互联网时代电子商务蓬勃发展的产物，是网络购物中一个重要的组成部分。在人们无法看到具体实物时，评论成为了一个重要的参考渠道，影响着人们的购买决策。评论对商家也具有应用价值，顾客对商品的真实反馈可以帮助商家制定今后的商品改进或营销策略。因此，对在线评论进行分析具有实际应用价值，但在线评论的数量巨大，并且句式多变、内容繁杂、兼具主题和情感两方面的内容，逐条浏览全部评论显然不现实，需要提出有效的在线评论分析方法。
　　本文针对冗杂的在线评论文本，探索评论文本分析的相关技术，旨在挖掘在线评论文本中的有用信息，为评论分析提供更为有效的分析方法和工具，主要工作分为三方面。首先为了解决缺乏属性词的隐式评论对建模造成的不良影响，提出一种属性词-评价词关系库挖掘方法；然后利用该关系库将隐式评论的结构补充完整，并进行否定词探测，利用改进的情感主题模型对评论进行分析；但情感主题模型只能分析静态的全局评论，无法得到评论随时间的动态变化，因此，进一步提出动态情感主题模型，对评论的主题情感进行演化分析。具体的研究方法和成果为：
　　（1）挖掘显式属性词和评价词之间的关系。在线评论的书写不受任何语法和句式的约束，使得很多评论句的结构不完整，根据此特点，可以将评论分为显式评论和隐式评论。显式评论句经过预处理被表示为词向量，通过单字过滤和互信息过滤去除其中的噪音评论词向量，利用基于HowNet的语义相似度算法计算词向量间的相似度，经过AP聚类将相似的评论聚成一簇。最后利用信息增益算法得到属性词和评价词之间的关系紧密度，构建出属性词-评价词关系库。
　　（2）利用改进的SSTM模型对在线评论进行情感分析。隐式评论属性词的缺失，否定词对评价词情感极性的影响，这两方面都会使建模的效果下降，所以根据已得到的关系库进行隐式评论句的属性词识别，然后将被否定词修饰的评价词的情感极性反转。经过对在线评论数据的优化处理后，利用融入先验信息的SSTM模型对评论进行建模分析，提高了情感分类精度。
　　（3）对在线评论进行动态演化分析。评论的主题和情感是随着时间不断变化着的，在研究了几种动态主题模型后，融合评论的内部特征情感和外部特征时间，提出动态情感主题模型DSTM，并进行参数估计。将评论集按照时间片划分为不同的子集，每个子集的状态仅依赖于前一时间片子集的状态，运用DSTM模型建模分析评论的主题情感随时间的变化规律。

目录

声明

插图索引

表格索引

符号对照表

缩略语对照表

第一章 绪论

1.1研究背景及意义

1.2在线评论分析研究现状

1.3本文研究内容

1.4论文的组织结构

第二章 相关理论研究

2.1在线评论文本概述

2.2在线评论分析的相关技术

2.3情感主题模型的相关介绍

2.4本章小结

第三章 商品属性词-评价词关系库挖掘方法

3.1问题引出及方法概述

3.2数据预处理

3.3评论聚类

3.4构建属性词-评价词关系库

3.5实验及分析

3.6本章小结

第四章 基于改进情感主题模型的在线评论情感分析

4.1问题引出及方法概述

4.2隐式商品评论属性词发现

4.3否定词探测

4.4融入先验信息的情感主题模型

4.5实验及分析

4.6本章小结

第五章 基于DSTM的在线评论主题情感演化分析

5.1问题引出及相关介绍

5.2动态情感主题模型

5.3在线评论主题情感演化

5.4实验及分析

5.5本章小结

第六章 总结与展望

参考文献

致谢

作者简介