發(fā)布時間：2020-07-12 04:15

【摘要】：隨著互聯(lián)網(wǎng)技術(shù)和電子商務(wù)的迅速發(fā)展,人類社會正快速步入“全民網(wǎng)購”時代。消費者對產(chǎn)品的評論內(nèi)容包含了商品的體驗,也為其他消費者、企業(yè)產(chǎn)品的反饋提供了重要的信息資源。如何高效地挖掘用戶評論中消費者對產(chǎn)品以及相關(guān)方面所持有的觀點成為情感挖掘分析領(lǐng)域的熱點問題。但是,由于中文自然語言表述的多樣性和復(fù)雜性,使用戶評論的情感分析和研究變得更具有挑戰(zhàn)性。目前,對文本情感分析的研究主要集中于細粒度的情感挖掘。它能深入到用戶評價的多個方面,提取評價信息中涉及的評價對象、評價詞等元素,并對其進行情感傾向分析,從而準確地反映用戶的評價意圖。但是,現(xiàn)有的細粒度文本情感挖掘仍然存在一些至今還沒有很好解決的問題。例如,評價對象與評價詞不完備、評價詞的情感傾向歧義等問題。如何有效解決這些問題,實現(xiàn)基于細粒度的文本情感分析,正受到學(xué)術(shù)界的廣泛關(guān)注。本文首先分析了文本情感分析的國內(nèi)外發(fā)展現(xiàn)狀和存在問題,然后以文本情感挖掘的句法分析和語義分析為主線,對電子商務(wù)環(huán)境下用戶評論的觀點挖掘進行了研究。歸納起來,本文的主要研究工作表現(xiàn)在以下幾個方面:(1)電商平臺的產(chǎn)品評論數(shù)據(jù)獲取與預(yù)處理。首先,使用Python爬蟲方式獲取京東商城的手機評論、相機評論和電腦評論信息。然后,對獲取的評論數(shù)據(jù)進行清洗。最后,對數(shù)據(jù)集進行分句、分詞、句法分析、語義分析等預(yù)處理,為后續(xù)的研究做好數(shù)據(jù)準備。(2)提出了基于語義的評價信息抽取方法。應(yīng)用條件隨機場(CRFs)模型,提出在條件隨機場模型中引入句法分析和語義分析,解決評價對象、評價詞的抽取。首先,對預(yù)處理后的評論內(nèi)容進行用戶關(guān)注度分析,半自動標注數(shù)據(jù)集。然后,構(gòu)建適用于電商平臺數(shù)據(jù)的評價信息抽取模型。最后,進行了實驗分析。結(jié)果表明基于語義的評價信息抽取方法在抽取評價對象和評價詞上F值分別達到了92.31%、89.90%,并驗證了句法關(guān)系和語義關(guān)系對評價信息抽取的正確和有效。(3)提出了基于語義關(guān)系的評價單元抽取方法。針對評價對象與評價詞不完備問題,提出了結(jié)合句法關(guān)系、語義關(guān)系的多粒度條件隨機場模型抽取評價單元方法SSMCRFs(Syntactic Semantic and Multi-grained Conditional Random Fields,SSMCRFs),解決了評價單元的抽取問題。通過3個實驗分別證明了SSMCRFs方法的有效性以及句法特性和語義特性對評價單元識別的效果。(4)產(chǎn)品評價情感傾向分析。針對評價詞的情感傾向歧義問題,考慮了評價對象和評價詞兩者的依賴關(guān)系,采用SSMCRFs加支持向量機對評價單元進行情感傾向分析。首先,人工標注評價單元數(shù)據(jù)集為評價對象,評價詞,極性三元組。然后,對獲取的評論信息進行了情感傾向分析。最后,根據(jù)情感傾向分析結(jié)果和評價單元頻數(shù)進行可視化展示。
【學(xué)位授予單位】：四川師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：F724.6;F274;TP391.1
【圖文】：

挖掘 它是人們對產(chǎn)品 表達的情感觀點是消極的感分類研究還在政冶 經(jīng)挖掘要經(jīng)歷一系列流程如 2.1 文本情感挖掘的一般的數(shù)據(jù)集就是用戶在電都是顧客或消費者對第三價值的用戶評論 語料庫預(yù)處理評價信息抽取原始評論語料庫

圖 2.3 哈工大語言技術(shù)平臺架構(gòu)表 2.1 詞性中的標注及含義標注 含義 標注 含義 標注 含義 標注 含義b 區(qū)別詞 j 簡稱 ni 機構(gòu)名 q 量詞a 形容詞 i 習(xí)用語 nl 處所名詞 r 代詞d 副詞 k 后接成分 ns 地名 u 助詞c 連詞 m 數(shù)詞 nt 時間詞 v 動詞e 感嘆詞 n 名詞 nz 其他專名 wp 標點符號g 語素字 nd 方位名詞 o 擬聲詞 ws 字符串h 前接成分 nh 人名 p 介詞 x 非語素字表 2.2 依存句法分析中的標注名及含義

相關(guān)理論概述類問題的算法 SVM 的基本思想：簡單的來說是實現(xiàn)升維和線性性超平面，并求解一個最優(yōu)化問題，就是將尋找最優(yōu)線性超平面的基于 Mercer 核展開定理，通過非線性映射，把樣本空間映射到一窮維的特征 Hilbert 空間，來解決樣本空間中的高度非線性分類和M 被認為是性能最好的分類器 如圖 2.4 所示是一個支持向量機模

【參考文獻】

相關(guān)期刊論文 前7條

1 郭沖;王振宇;;面向細粒度意見挖掘的情感本體樹及自動構(gòu)建[J];中文信息學(xué)報;2013年05期

2 鄭敏潔;雷志城;廖祥文;陳國龍;;基于層疊CRFs的中文句子評價對象抽取[J];中文信息學(xué)報;2013年03期

3 陳炯;張虎;曹付元;張永奎;;面向中文客戶評論的產(chǎn)品屬性抽取方法研究[J];計算機工程與設(shè)計;2012年03期

4 王榮洋;鞠久朋;李壽山;周國棟;;基于CRFs的評價對象抽取特征研究[J];中文信息學(xué)報;2012年02期

5 楊源;林鴻飛;;基于產(chǎn)品屬性的條件句傾向性分析[J];中文信息學(xué)報;2011年03期

6 趙妍妍;秦兵;車萬翔;劉挺;;基于句法路徑的情感評價單元識別[J];軟件學(xué)報;2011年05期

7 楊江;侯敏;王寧;;基于淺層篇章結(jié)構(gòu)的評論文傾向性分析[J];中文信息學(xué)報;2011年02期

相關(guān)會議論文 前1條

1 王根;趙軍;;中文褒貶義詞語傾向性的分析[A];第三屆學(xué)生計算語言學(xué)研討會論文集[C];2006年

相關(guān)碩士學(xué)位論文 前9條

1 李毅捷;基于復(fù)雜句式文本情感分類研究[D];太原理工大學(xué);2018年

2 劉超然;在線新聞網(wǎng)民評論情感傾向性分析及可視化研究[D];哈爾濱工業(yè)大學(xué);2018年

3 張鑫;基于在線評論的細粒度情感分析研究[D];大連海事大學(xué);2018年

4 馮倉龍;商品細粒度評價的識別與分析[D];沈陽航空航天大學(xué);2017年

5 徐瑩瑩;基于深度神經(jīng)網(wǎng)絡(luò)模型的句子級文本情感分類研究[D];深圳大學(xué);2016年

6 邸鵬;基于句子情感權(quán)值合成算法的篇章情感分析[D];太原理工大學(xué);2015年

7 劉平洋;句子級情感傾向性分析與研究[D];北京郵電大學(xué);2015年

8 聶欣慧;基于產(chǎn)品特征的領(lǐng)域情感本體構(gòu)建及應(yīng)用研究[D];首都師范大學(xué);2014年

9 張s

本文編號：2751406