意见挖掘

摘要： 网络文本作为现代游客承载感知和表达观点的载体,已成为游客画像构建与分析的重要数据来源。现有的自然语言处理技术在游客画像的挖掘过程中主要关注游客的需求和情感,缺少技术与旅游应用的有效衔接,然而现有的文本挖掘技术中文本的主题和情感通常被割裂分析,缺乏相互指向性,无法有效提取用户细粒度的意见。提出一种基于变分自编码的有监督主题情感联合分析模型。将词频权重引入到先验知识中,同时通过截断高斯模型构造变参数,有效捕获离散数据中的相关性,利用情感标签辅助主题的训练和生成,以提升主题挖掘及情感预测的准确率。通过变分自编码模型计算贝叶斯主题模型的后验分布,采用主题分布下的情感分类预测实现主题情感的联合分析。实验结果表明,当主题数为10~100时,该模型的情感预测平均准确率约为85%,相比LDA、SAGE、NVDM模型,能够有效挖掘酒店用户评论的特征。

摘要： 围绕生鲜电商物流服务与消费者期望差异的矛盾问题展开研究,通过获取在线车厘子产品的用户评论,应用机器学习方法将评论文本进行满意度情感分类,应用Apriori关联算法对不同情感分类下的物流词汇与满意度词汇进行关联规则分析,结果表明包装、物流速度、发货与送货效率等物流服务要素会影响消费者满意度,研究结果进一步揭示了物流服务对满意度的影响机理,有助于企业提高物流服务质量,并从销地前置仓、物流信息共享、生鲜企业与物流服务商合作机制三个方面提出了生鲜电商物流服务优化策略.

摘要： 用户满意度评价是衡量产品价值实现程度的重要标准,同时也是获取用户需求表达的主要渠道.为了进一步迎合市场需求,有效提高产品研发效率,通过在线评价数据来获取用户满意度是目前互联网产品的普遍做法.本文以钉钉移动APP为例,针对在线评价数据构建一种基于意见挖掘和LDA模型的用户满意度影响因素数据采集方法.本文分析了用户满意度评价的意义和主要形式,介绍了意见挖掘与LDA模型的基本概念和应用方法,设计了基于意见挖掘与LDA模型的钉钉APP用户满意度评价数据采集和分析实验步骤,研究实验结果并得出用户满意度影响因素、用户潜在需求等相应结论.

摘要： [目的]利用词典法辨识和量化我国科技政策文本用语中蕴含的决策者态度及其强弱程度,解决现有中文政策文本研究忽视词语语义强度的问题.[方法]立足科技政策的功能定位和用语特征,提出程度词的概念.兼顾数量和语义构建程度词典,包括依据专家知识选取种子词,利用PMI算法进行词语扩展,使用同义词词林筛选词语.最后结合TextRank算法进行实验验证.[结果]经信度和效度检验,构建的程度词典有效,结合程度词典的政策文本分析细粒度优于使用单一的文本挖掘算法.[局限]程度词典的权重设计有待细化.[结论]科技政策文本中的程度词丰富、规范且稳定,具有量化分析的价值;词典法可以有效识别并利用程度词,有助于深入挖掘政策文本的语义特征.

摘要： [目的]提出一种利用知识融合实现政务信息化项目多专家审批意见短文本的整合方法,实现以认知层知识融合为主导的综合意见生成.[方法]通过对专家意见进行内容挖掘完成知识获取;利用目标知识概念树与自定义方法对其进行实体层次性语义挖掘;利用领域本体在文本结构模型基础上实现微观和宏观层的知识融合并生成综合意见.[结果]对比原始多专家审批意见,基于知识融合生成的综合意见信息量增加0.19,所含知识元的平均比值达到115.38％,均显示了所提方法的有效性.[局限]受到专家意见语言规范程度与领域知识完整度的影响.[结论]利用科学的知识补充与表示,所提方法较传统的短文本整合方法显示出更好的问题针对性、知识覆盖程度和可推广性,也取得了良好的应用效果.

摘要： 文本立场检测是文本意见挖掘领域的基础性研究,旨在分析文本中对特定目标所表现的立场倾向.随着互联网的飞速发展,用户对于公共事件、消费产品等的讨论文本呈指数级增长,文本立场检测研究对产品营销、舆情决策等具有重要意义.从目标类型、文本粒度以及研究方法3个角度对文本立场检测研究工作展开综述.首先,从目标类型角度,围绕单目标、多目标以及跨目标立场检测3个方面梳理了文本立场检测的不同研究任务;从文本粒度角度,对比了句子级、篇章级以及辩论文本立场检测的不同研究场景和方法;从研究方法角度,介绍了基于传统机器学习、主题模型、深度学习以及"2阶段"的方法,并指出各种方法的可取与不足之处.接着,对文本立场检测评测任务以及公开数据资源进行了归纳.最后,立足当前研究形势,总结了文本立场检测研究的应用领域,展望了未来发展趋势以及面临的挑战.

摘要： 目的:构建基于用户评论情感分析的医院评分模型.方法:运用ROST EA工具对文本评论进行分析和利用相关分析对星级评分与文本评论的拟合程度进行分析,构建基于线性回归的文本评论自动打分模型,对星级评分与文本评论的相关性进行检验.结果:当情感强度的比值是"一般:中度:高度=1:1:1"时,两者具有最高的相关性,相关性系数为0.680.结论:最终回归模型为A=0.961exp(E0)+7.348,星级评分可以在一定程度上代表文本评论,说明该模型具有一定应用价值.

摘要： 互联网在线评论文本意见挖掘是当今研究的一个热点.针对巨量数据在线评论文本进行实时意见挖掘需求,本文使用有监督的意见挖掘算法,使用朴素贝叶斯模型设计了一个高速评论文本意见挖掘系统.系统采用模块化设计理念,支持模块的灵活组合和模块技术的独立升级.通过实验,系统可有效对选取的餐饮评论信息集进行有效分类.

摘要： 意见挖掘指的是，片段识别,序列标注任务，片段关联判定,关系分类，给定片段,情感分类(实体级别情感分析)，片段识别主要集中在三类片段:意见表述方式(Expression)，意见持有者(Holder)，意见对象(Target)。

摘要： 意见目标抽取是意见挖掘研究中的重要环节。现有方法的主要问题是将人工标注的意见目标直接视为"种子"进行意见目标扩展。本文提出了一种基于泛化、繁殖和自举的意见目标抽取方法，在泛化过程中提炼原子意见目标和意见目标模式，在繁殖过程中对复合意见目标进行扩展，并采取自举机制实现了意见目标的递增学习。实验结果显示，本文方法在自举过程的第一轮就在F-1分数上超出基线方法0.078；自举过程完成后，本文方法在F-1分数上提高了0.112。这说明，泛化处理对意见目标充分繁殖意义重大，自举过程则有助于充分发挥泛化能力和繁殖能力。

摘要： 面对Web上浩如烟海的文本信息,特别是针对某种产品的大量的评论信息,意见挖掘已经成为一个热门的研究方向.本文主要阐述意见挖掘中如何判定中文情感词的修饰极性这个问题.本文在计算了情感词的原极性的基础上,通过分析它的上下文,尤其是针对修饰情感词的副词的分析,计算情感词的修饰极性,提出了两种方法并进行对比,针对相同的测试语料进行测试,得出较为理想的一种方法,从而证明了通过分析情感词的修饰极性提高了情感描述项极性判断的准确性.

摘要： 在意见挖掘中所处理的文本是主观性文本,这就涉及到主客观文本的分类问题。本文首先介绍了主客观文本的定义。接着针对主观性文本的特点提出了分类适用的预选特征。在此基础上,介绍了通过实验选择稳定的分类特征并把它们应用于Weka工具的四种分类算法中。实验结果表明:四种分类算法的F度量最高时可以达到93.8％,平均F度量也达到了88.4％。这说明我们提出的分类特征是合理和有效的。

摘要： 近年来，主观性文本(意见)挖掘研究十分活跃，主要特点是分析文本中包含的主观观点并计算其语义极性。这类研究可广泛应用于信息过滤、智能电子商务、意见反馈、民意调查等。词和句子的极性分析是意见挖掘的一个重要处理层次。我们从这两个基础环节入手，构建了基础极性词典，用上下文关联和多种机器学习方法分析了极性词在某一领域内的极性。接着，并分别用词语和Bayes方法计算句子的极性。

摘要： 在意见挖掘中所涉及到的文本类型是主观性文本。这就需要解决主客观文本的分类问题。本文首先介绍了主客观文本的定义和它们之间的区别。接着针对主观性文本的特点提出了分类适用的预选特征。在此基础上，介绍了通过实验选择稳定的分类特征以及使用weka工具中的多种分类算法进行分类性能的测试。实验结果表明：分类算法的F度量最高时可以达到93.8％，平均F度量也达到了88.4％。这说明我们提出的分类特征和所选择的分类算法是合理和有效的。

摘要： 互联网彻底改变了人们表达观点的方式,用户不仅可以在商业网站上表达自己对产品的看法,而且还可以在论坛、blogs等上面张贴自己的观点.所以,主观性判别是真情分析系统的一项重要任务.针对目前主观性判别的研究比较杂乱,总结了现有的主流方法,提出了作者的一些观点,期望能为主观性判别这一研究领域提供一些参考.

摘要： 互联网彻底改变了人们表达观点的方式,用户不仅可以在商业网站上表达自己对产品的看法,而且还可以在论坛、blogs等上面张贴自己的观点.所以,主观性判别是真情分析系统的一项重要任务.针对目前主观性判别的研究比较杂乱,总结了现有的主流方法,提出了作者的一些观点,期望能为主观性判别这一研究领域提供一些参考.

摘要： 互联网彻底改变了人们表达观点的方式,用户不仅可以在商业网站上表达自己对产品的看法,而且还可以在论坛、blogs等上面张贴自己的观点.所以,主观性判别是真情分析系统的一项重要任务.针对目前主观性判别的研究比较杂乱,总结了现有的主流方法,提出了作者的一些观点,期望能为主观性判别这一研究领域提供一些参考.

摘要： 互联网彻底改变了人们表达观点的方式,用户不仅可以在商业网站上表达自己对产品的看法,而且还可以在论坛、blogs等上面张贴自己的观点.所以,主观性判别是真情分析系统的一项重要任务.针对目前主观性判别的研究比较杂乱,总结了现有的主流方法,提出了作者的一些观点,期望能为主观性判别这一研究领域提供一些参考.

摘要： 本发明提出了一种基于PageRank的意见领袖挖掘方法，属于数据挖掘领域。本发明基于PageRank算法的核心思想，将其引入到社交网络用户影响力分析之中。本发明不仅考虑了社交网络用户关系拓扑结构信息，而且融合了社交网络用户的一些体现其影响力的属性信息。在社交网络拓扑信息方面算法基于事件中用户的转发关系构建了一个加权的用户关系网络，事件是具有主题性质的和大量广泛的用户参与的，以事件为基础使用转发机制构建关系网络不仅具有信息的针对性与目标性，而且明显能减少社交媒体信息数据量的使用，同时这种网络因事件的不同具有动态性。针对社交网络用户属性信息方面，算法使用了能直接体现用户影响力用户属性信息，能更加精确的刻画了用户影响力。

摘要： 本发明提供一种基于核心群体挖掘和意见领袖识别结果的分群方法及系统，包括：传播网络用户分为意见领袖、去交集核心群体和其他用户；构建分层传播网络模型，节点为上述三类中的用户，用户之间传播行为作为对应节点之间的路径；通过传播行为发生的次数获得中间层和底层的用户的不同传播方向的不同综合指标值，构建去交集核心群体‑综合指标数值表及其他用户‑综合指标数值表；将意见领袖分为可信意见领袖和不可信意见领袖；将去交集核心群体、其他用户内用户分别按照去交集核心群体‑综合指标数值表和其他用户‑综合指标数值表进行分群。上述方法及系统充分运用核心群体挖掘的结果和意见领袖识别的结果实现基于事件参与程度的用户分级。

摘要： 本发明公开一种基于主题意见分析和意见领袖的挖掘社交网络用户影响关系方法，包括：采集用户行为产生的文本内容建立用户群行为文本；对用户群行为文本进行主题意见分析得到恒稳态的意见分布：定义用户间影响关系的矩阵权重，建立用户对主题意见由初始态转为恒稳态的转移模型；将由初始态转为恒稳态时意见不改变的用户为意见领袖，由初始态转为恒稳态时意见会改变的用户为普通用户，求解转移模型中的普通用户受意见领袖的影响关系和普通用户之间的影响关系；将普通用户受意见领袖的影响关系和普通用户之间的影响关系拼接得到用户群用户间影响关系。本发明更加精准地挖掘出了社交网络用户之间的影响关系。

摘要： 本发明公开了一种基于图结构整体和部分的社交网络意见领袖挖掘方法，属于社交网络分析技术领域，包括：爬取社交网络中用户语义信息并进行预处理；利用LDA模型将处理后的语义信息抽象为主题，提取关键字，将主题和关键字作为特征属性；将LDA模型生成的K个主题作为向量空间，堆叠成数据矩阵建立用户社交网络；利用基于密度的社区发现方法对用户社交网络进行社区划分，得到社区结构；基于图的整体结构计算社区结构中所有用户节点整体、局部影响力；融合所有用户节点整体、局部影响力进行影响力评估，得到所有用户节点影响力评分，将排在预设阈值前的用户节点作为意见领袖。该方法考虑因素的多样性保证了网络意见领袖挖掘的准确性和有效性。

摘要： 本发明提出了一种基于GraphSAGE的社交网络意见领袖挖掘方法，涉及社交网络技术领域，包括以下步骤：构建社交网络数据集以获取社交网络用户信息；根据社交网络用户信息对社交网络用户进行预分类以得到预分类结果；对预分类结果进行特征提取以得到特征数据，并设置初始节点特征；通过初始节点特征对特征数据进行基于GraphSAGE的节点二分类模型训练以得到二分类模型；利用二分类模型对未参与训练的社交网络用户进行意见领袖分类，以得到意见领袖的挖掘结果；本发明提供的基于GraphSAGE的社交网络意见领袖挖掘方法，充分利用用户信息和用户间拓扑结构信息，有效解决了其他模型迁移性差的问题，大大提高挖掘结果的准确性。

摘要： 本发明公开了基于字符级卷积神经网络的民宿顾客意见挖掘方法，包括以下步骤：构建网络爬虫，采集全部民宿评论建立出民宿字典、利用TF‑IDF对文本进行特征提取和向量化以及进行可视化的主题聚类、构建民宿主题词典、找出分句后文本内对应的评价条数、基于朴素贝叶斯的弱监督预分类、构建一维卷积核的卷积神经网络进行特征提取，得到情感极性、对感极性进行情感可视化以及验证模型；本发明方法可以从大量带有噪声和虚假的评论数据中挖掘隐藏在这些个性化评论中的情感和用户需求，将有助于企业组织和用户个人的决策行为，同时本发明方法从数据驱动的角度出发，可以挖掘出顾客在各个主题下的满意度情况，结果可为民宿经营者和监管者提供建议。

摘要： 本发明涉一种数据意见挖掘与情感分析纠偏方法与模块，所述方法包括以下运行流程：激活程序服务；导入评论数据情感分析结果，生成分类索引大表；导入评论数据账号与账号关联实体人物的映射关系图，按照账号关联实体人物的属性形成不同属性桶集合；执行桶内独立纠偏统计计算，分别统计每个属性桶中的情感分析结果，形成桶内的情感倾向无偏估计；执行桶外协同纠偏统计计算，利用每个属性桶所对应的账号关联实体人物数量占总体人口的比例数据，对各个属性桶中的情感分析结果进行加权平均，转化为总体估计值。本发明可提高面向热点、重要事件或人物等的情感分析结果的准确性。

摘要： 本发明实施例提供一种申诉意见挖掘方法和装置。所述方法包括：获取申诉者的申诉信息；对所述申诉信息进行语义分析和特征提取，得到有效的申诉特征词；将所述有效的申诉特征词与申诉意见数据库中的信息进行匹配，抽取出多维度的申诉意见；其中，所述申诉意见数据库包括申诉者特征模型、申诉单特征模型、企业特征模型和监管者特征模型。本发明实施例通过提取出申诉意见的特征词，将申诉特征词与申诉意见数据库进行匹配，得到申诉信息的多维度意见信息，申诉意见全面且准确性高。

摘要： 本发明公开了一种基于BERT的旅游评论意见挖掘方法，包括以下步骤：S1、处理输入的评论文本，将文本转换为符合条件的token序列；S2、应用BERT对输入序列进行层级计算处理，得到编码后的上下文表示；S3、将得到的上下文表示输入指针网络计算，得到意见词开始位置和结束位置候选集；S4、根据分类结果和相对距离对候选集进行配对，得到最终的意见词位置；S5、将意见词和对应的分类结果组合在一起得到完整的观点表达。本发明通过直接抽取意见词并进行类别标注的方式，克服了传统细粒度意见挖掘方法中方面词缺失引起的意见丢失和不完整的问题，并应用在网络旅游评论中。

摘要： 本发明提出的线上文本评论驱动的电商意见挖掘推荐系统，基于相关关系规则挖掘的方法，对线上商品评论中的商品特征进行提取，根据提取的商品特征抽取对应的感情词，并通过感情词典的方法进行量化，得到消费者的商品特征‑感情对，改进协同过滤推荐算法，重新定义一种计算消费者之间近似指数的方法，基于商品特征，通过消费者对商品特征的关注指数和挑剔指数衡量量化消费者对商品特征的偏好程度，进而衡量量化不同消费者之间的近似指数。通过实验对比，从平均绝对误差的角度验证了本发明方法的有效性和先进性。不仅能给商家带来更多的消费者，创造出更大的经济效益，还能为消费者带来更好的购物体验。