【摘要】：隨著電子商務的普及與發(fā)展,大部分網(wǎng)絡消費者在購買商品前都會瀏覽商品的用戶評論信息,這些評論信息不僅對消費者做購買決策有幫助,對生產(chǎn)廠家或電商公司獲取商品市場反饋也有重要貢獻。然而,從海量的商品評論中獲取對用戶有用的信息是一件很繁瑣的事情,因此情感分析(Sentiment Analysis/Opinion Mining)應運而生。情感分析的主要工作就是挖掘并分析文本信息,實現(xiàn)相應的情感分類或情感極性判定。情感分析不僅在商品評論分析領域得到了廣泛的應用,在網(wǎng)絡輿情分析,金融股市分析和垃圾郵件處理等方面也有較高的研究價值。情感分析在自然語言處理,信息檢索,數(shù)據(jù)挖掘以及機器學習等領域都有涉及,因此,研究情感分析的方法也比較全面。情感分析的主要內(nèi)容分為兩部分:傾向性信息識別和傾向性信息分類,在眾多的研究方法中提高識別精度和分類精度一直是情感分析研究的重點。按分析的粒度的可以把情感分析分為篇章級別、句子級別、短語級別和詞語級別。早期的情感分析主要集中在篇章級別和句子級別,隨著用戶提出的要求變高,短語級別和詞語級別這種細粒度的情感分析逐漸成為了當前的研究熱點。本文主要是對網(wǎng)絡產(chǎn)品評論進行詞語級別的情感分析研究,主要內(nèi)容:1.研究了抓取網(wǎng)頁數(shù)據(jù)的方法,并對數(shù)據(jù)進行了分詞、詞性標注和去噪聲。2.研究識別情感詞和評價對象詞語的方法。情感分析中識別情感詞和評價對象的精度一直是研究的重點,因此本文充分利用情感關系和詞語本身的特性就如何有效地識別情感詞和評價對象進行了詳細的研究。除此之外,還實現(xiàn)了另外兩種方法作為本文的對比實驗,針對不同的抽取方法進行了詳細分析。3.研究了情感詞的情感傾向分析方法。把情感詞的情感極性分為正面、中性和負面三個類別。首先分別用超限學習機、支持向量機和Softmax回歸進行實驗,然后選出分類結(jié)果做好的分類器。
[Abstract]:With the popularity and development of electronic commerce, most online consumers will browse the consumer comment information before purchasing the goods, which is not only helpful for consumers to make purchase decisions. For manufacturers or e-commerce companies to obtain feedback on the commodity market also has an important contribution. However, it is very tedious to get useful information from a large number of commodity reviews, so emotion analysis (Sentiment Analysis/Opinion Mining) emerges as the times require. The main work of affective analysis is to mine and analyze text information to realize the corresponding emotional classification or emotional polarity judgment. Affective analysis is not only widely used in the field of commodity comment analysis, but also has high research value in network public opinion analysis, financial stock market analysis and spam processing. Affective analysis is involved in natural language processing, information retrieval, data mining and machine learning. The main content of affective analysis is divided into two parts: the identification of tendentiousness information and the classification of tendentiousness information. Improving the recognition accuracy and classifying accuracy in many research methods has always been the focus of affective analysis research. Affective analysis can be classified into text level, sentence level, phrase level and word level according to the granularity of analysis. The early affective analysis mainly focuses on the text level and sentence level. As the demands of users become higher phrase level and word level such fine-grained emotional analysis has gradually become the focus of current research. This article is mainly to the network product comment carries on the word level emotion analysis research, the main content: 1. This paper studies the method of grabbing web page data, and carries on word segmentation, part of speech tagging and denoising. 2. 2. This paper studies the methods of identifying affective words and evaluating object words. The accuracy of identifying emotional words and evaluating objects in affective analysis has always been the focus of research. Therefore, this paper makes full use of the characteristics of affective relationships and words themselves to study in detail how to effectively identify affective words and evaluation objects. In addition, two other methods are implemented as the contrast experiment in this paper, and the different extraction methods are analyzed in detail. This paper studies the affective tendency analysis of affective words. The affective polarity of affective words is divided into three categories: positive, neutral and negative. First, the experiments are carried out by using the out-of-limit learning machine, support vector machine and Softmax regression respectively, and then the classifier with good classification results is selected.
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.1

【相似文獻】

相關期刊論文 前2條

1 李英明,李星;新聞情感的表達方法[J];新聞前哨;2004年09期

2 ;[J];;年期

相關會議論文 前2條

1 饒揚寶;;教學中不可忽視師生的情感交流[A];基礎教育理論研究成果薈萃（上卷一）[C];2005年

2 許小穎;陶建華;;漢語情感系統(tǒng)中情感劃分的研究[A];第一屆中國情感計算及智能交互學術會議論文集[C];2003年

相關重要報紙文章 前10條

1 馬冬玲 全國婦聯(lián)婦女研究所;情感勞動:不平等的又一種形式[N];中國社會科學報;2011年

2 何士軍　（作者單位：江蘇省東�？h房山中學）;新課標下如何正確處理師生之間的情感矛盾[N];今日信息報;2007年

3 儲昌樓;讓老師與學生做朋友[N];中國教育資訊報;2002年

4 藍明和;情感啟動是關鍵[N];中國旅游報;2002年

5 張小明;用信任打造“無為而治”[N];醫(yī)藥經(jīng)濟報;2004年

6 王汀;《越走越好》有硬傷[N];吉林日報;2004年

7 林雨;讓情感成為敘事的主角[N];文藝報;2006年

8 中國寬帶產(chǎn)業(yè)基金董事長 田溯寧;和蘋果的情感關系[N];中國企業(yè)報;2012年

9 達達先生;恐怖成全愛意[N];第一財經(jīng)日報;2014年

10 黃俊立;民營企業(yè)的情感治理與制度治理[N];證券日報;2003年

相關博士學位論文 前6條

1 李婷婷;品格優(yōu)勢對情感幸福感的影響[D];東北師范大學;2016年

2 沈嘉祺;論道德情感的生成與培育[D];華東師范大學;2006年

3 游泓;情感與信任關系的社會學研究[D];武漢大學;2009年

4 李利;海南毛感高地黎族的情感研究[D];上海大學;2011年

5 李亞真;不同攻擊/受欺兒童的熱認知特征研究[D];華東師范大學;2008年

6 吳燁;社會網(wǎng)絡中的情感影響模型建立及分析[D];北京郵電大學;2014年

相關碩士學位論文 前10條

1 張燕;規(guī)范性問題的情感之維[D];山東大學;2015年

2 劉金磊;人與產(chǎn)品親密情感研究[D];復旦大學;2014年

3 陳國蘭;基于突發(fā)詞和情感分析的微博突發(fā)事件監(jiān)測研究[D];南京郵電大學;2015年

4 陳鵬;基于深度語義特征的情感分析研究[D];哈爾濱工業(yè)大學;2016年

5 唐明霜;基于翻譯模型的網(wǎng)絡評論情感分析研究[D];電子科技大學;2016年

6 張春艷;電商網(wǎng)站中面料商品的情感自動分類研究[D];北京服裝學院;2017年

7 孫蘭欣;情感思維理論及其意義研究[D];廣西師范大學;2009年

8 趙凱;情感體驗對社會認知的影響[D];吉林大學;2005年

9 朱淋;中小城市社區(qū)情感研究[D];南京理工大學;2010年

10 李艷;試論情感、意志在人的活動中的作用[D];貴州師范大學;2008年

，

本文編號：2412658