面向电子商务评论文本的观点挖掘系统研究与实现

摘要

随着Web2.0时代的到来，互联网上评论信息成几何级数的增长。对于这些文本信息，往往包括用户对某件事物的看法和论断。能够准确高效的识别其评论文本中的观点信息并加以利用，将具有巨大的实际应用和经济价值。
　　 本文首先介绍了观点挖掘的背景意义，概括列举了国内外具有代表性的学者研究情况，然后针对本文所主要解决的三大问题:情感计算、特征挖掘和观点分类汇总，通过研究国内外相关的研究成果，对一些传统算法进行了改进，并提出了一些具有创新性的算法。
　　 (1)在情感计算当中，不仅考虑了分句本身词语对分句情感倾向的作用，同时结合了上下文语境对分句情感倾向的影响，提出了一种基于上下文语境的分句情感倾向推断方法。
　　 (2)在特征属性挖掘中，采用了基于属性词和情感词修饰关系的双向迭代扩展方法，针对中文语言特征，利用临近原则方法获取属性词和情感词的修饰关系。并且通过属性词和情感词之间的修饰关联关系，来发现隐式的属性词。
　　 (3)在观点分类汇总中，利用属性词和情感词的关联关系，对属性词进行加强聚类运算，获得各种粒度上的属性词簇。按照属性词簇的分类以及其他信息，对观点进行分类汇总，获得用户关心的各种主题层面评价信息。
　　 实验结果表明:与传统方法相比，本文提出的相关方法在结果的准确率和召回率上均有较大提高，同时所获取的观点信息能够更加直观具体的为用户服务。

目录

声明

摘要

第一章 绪论

1．1 评论文本观点挖掘的背景和研究意义

1．2 亟待解决的几个问题

1．2．1 评论文本的情感计算

1．2．2 评论对象特征的挖掘

1．2．3 观点的分类与汇总

1．3 相关研究综述

1．3．1 国外研究概况

1．3．2 国内研究概况

1．4 本文的组织结构安排

第二章 综述

2．1 本文研究的对象及特点

2．2 本文主要的研究任务

2．3 本文所用到的数据介绍

第三章 中文评论文本的情感极性及强度判断

3．1 基于情感词典的极性判断

3．1．1 分词及词性标注

3．1．2 基于否定词反转语义的情感极性判断法

3．1．3 基于AuctionRules算法的主要情感计算

3．2 基于上下文语境的情感极性计算

3．2．1 分句情感强度计算方法

3．2．2 上下文语境的情感极性判别

3．3 算法步骤详细说明

3．4 实验效果分析

3．4．1 实验数据介绍

3．4．2 P，R，F评测结果

3．5 本章小结

第四章 评论文本中评论对象的特征挖掘

4．1 基于临近原则的显式评论特征挖掘

4．2 隐式特征挖掘的方法

4．2．1 双向迭代法构建情感词与属性词间的关联关系

4．2．2 基于关联规则的目标特征确定方法

4．2．3 缺省属性词的前置推断方法

4．3 属性词推断的整体框架及实验分析

4．3．1 整体框架

4．3．2 实验分析

4．4 本章小结

第五章 观点的分类汇总及决策支持

5．1 数据

5．2 整条评论的情感计算问题

5．3 属性分类聚类问题

5．3．1 相似度计算公式

5．3．2 聚类算法

5．4 实验结果分析

5．4．1 属性词聚类实验结果

5．4．2 观点汇总分类实验结果

5．5 本章小结

第六章 观点挖掘系统的实现

6．1 系统总体框架

6．2 系统的详细设计

6．3 系统实现

6．3．1 词表的构建

6．3．2 系统实现展示

6．4 本章小结

第七章 总结与展望

7．1 本文工作总结

7．2 未来工作展望

攻读硕士学位期间主要的研究成果

参考文献

致谢