商品评论情感倾向性分析

摘要

针对粗粒度的商品评论情感分析不能详尽地提供用户喜好问题,提出一种基于支持向量机(SVM)结合点互信息(PMI)的细粒度商品评论情感分析方法。首先,使用卡方检验方法进行文本特征选择和降维;接着,对朴素贝叶斯、决策树、支持向量机(SVM)、K最邻近算法(K NN)四种常用情感分类方法进行比较,支持向量机(SVM)的召回率和精确率最高,均达到94.5%,所以使用支持向量机(SVM)对商品评论进行粗粒度的情感分析;然后,根据人工经验总结典型的商品属性,使用点互信息(PMI)方法对商品属性扩充;最后针,对扩充后的商品属性,在以上粗粒度的商品评论情感分析基础上,进行细粒度的情感分析及统计。细粒度的商品评论情感分析,可使厂家看到用户对产品属性的喜好,以及在产品设计、销售及服务中需要改进的方面。