【摘要】：隨著網(wǎng)絡(luò)購(gòu)物的發(fā)展,Web上產(chǎn)生了大量的商品評(píng)論文本數(shù)據(jù),其中蘊(yùn)含著豐富的評(píng)價(jià)知識(shí).如何從這些海量評(píng)論文本中有效地提取商品特征和情感詞,進(jìn)而獲取特征級(jí)別的情感傾向,是進(jìn)行商品評(píng)論細(xì)粒度情感分析的關(guān)鍵.根據(jù)中文商品評(píng)論文本的特點(diǎn),從句法分析、詞義理解和語(yǔ)境相關(guān)等多角度獲取詞語(yǔ)間的語(yǔ)義關(guān)系,然后將其作為約束知識(shí)嵌入到主題模型,提出語(yǔ)義關(guān)系約束的主題模型SRC-LDA(semantic relation constrained LDA),用來(lái)實(shí)現(xiàn)語(yǔ)義指導(dǎo)下LDA的細(xì)粒度主題詞提取.由于SRC-LDA改善了標(biāo)準(zhǔn)LDA對(duì)于主題詞的語(yǔ)義理解和識(shí)別能力,從而提高了相同主題下主題詞分配的關(guān)聯(lián)度和不同主題下主題詞分配的區(qū)分度,可以更多地發(fā)現(xiàn)細(xì)粒度特征詞、情感詞及其之間的語(yǔ)義關(guān)聯(lián)性.實(shí)驗(yàn)結(jié)果表明,SRC-LDA對(duì)于細(xì)粒度特征和情感詞的發(fā)現(xiàn)和提取具有較好的效果.
[Abstract]:With the development of online shopping, a large number of commodity review text data have been produced on Web, which contains rich evaluation knowledge. How to effectively extract commodity features and emotional words from these massive comment texts, and then obtain the emotional tendency at the feature level, is the key to fine-grain emotional analysis of commodity reviews. According to the characteristics of Chinese commodity review text, the semantic relationship between words is obtained from syntactic analysis, word meaning understanding and context correlation, and then embedded into the topic model as constraint knowledge. The topic model SRC-LDA (semantic relation constrained LDA), which is constrained by semantic relations, is proposed to realize the fine-granularity subject word extraction of LDA under semantic guidance. Because SRC-LDA improves the semantic understanding and recognition ability of standard LDA for subject words, thus improving the correlation degree of subject word allocation under the same topic and the discrimination degree of subject word allocation under different topics, we can find more fine-granularity feature words, emotional words and their semantic relevance. The experimental results show that SRC-LDA has a good effect on the discovery and extraction of fine-granularity features and emotional words.
【作者單位】： 江西財(cái)經(jīng)大學(xué)信息管理學(xué)院;江西師范大學(xué)計(jì)算機(jī)信息工程學(xué)院;數(shù)據(jù)與知識(shí)工程江西省高校重點(diǎn)實(shí)驗(yàn)室(江西財(cái)經(jīng)大學(xué));
【基金】：國(guó)家自然科學(xué)基金(61562032,61662032,61662027,61173146,61363039,61363010,61462037,61562031) 江西省自然科學(xué)基金重大項(xiàng)目(20152ACB20003) 江西省高等學(xué)�？萍悸涞赜�(jì)劃(KJLD12022,KJLD14035)~~
【分類(lèi)號(hào)】：TP391.1

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 許璐蕾;;網(wǎng)絡(luò)評(píng)論中情感詞的獲取及極性判斷方法比較[J];電腦與電信;2011年01期

2 肖健;徐建;朱姝;萬(wàn)纓;許亮;;基于翻譯和語(yǔ)義方法的情感詞挖掘研究[J];計(jì)算機(jī)工程與應(yīng)用;2011年32期

3 趙鵬;趙志偉;卓景文;;一種情感詞語(yǔ)義加權(quán)的句子傾向性識(shí)別方法[J];計(jì)算機(jī)工程與應(yīng)用;2011年35期

4 代大明;李壽山;李培峰;朱巧明;;基于情緒詞與情感詞協(xié)作學(xué)習(xí)的情感分類(lèi)方法研究[J];計(jì)算機(jī)科學(xué);2012年12期

5 李勇敢;周學(xué)廣;孫艷;張煥國(guó);;結(jié)合依存關(guān)聯(lián)分析和規(guī)則統(tǒng)計(jì)分析的情感詞庫(kù)構(gòu)建方法[J];武漢大學(xué)學(xué)報(bào)(理學(xué)版);2013年05期

6 彭慶喜;錢(qián)鐵云;;基于量化情感的網(wǎng)店垃圾評(píng)論檢測(cè)[J];山東大學(xué)學(xué)報(bào)(理學(xué)版);2013年11期

7 杜嘉忠;徐健;劉穎;;網(wǎng)絡(luò)商品評(píng)論的特征 情感詞本體構(gòu)建與情感分析方法研究[J];現(xiàn)代圖書(shū)情報(bào)技術(shù);2014年05期

8 張清亮;徐健;;網(wǎng)絡(luò)情感詞自動(dòng)識(shí)別方法研究[J];現(xiàn)代圖書(shū)情報(bào)技術(shù);2011年10期

9 黃俊;田生偉;禹龍;馮冠軍;;基于維吾爾語(yǔ)情感詞的句子情感分析[J];計(jì)算機(jī)工程;2012年09期

10 孫勁光;馬志芳;孟祥福;;基于情感詞屬性和云模型的文本情感分類(lèi)方法[J];計(jì)算機(jī)工程;2013年12期

相關(guān)會(huì)議論文 前5條

1 陳奇哲;劉全升;姚天f ;;漢語(yǔ)意見(jiàn)型語(yǔ)句主題與情感關(guān)系抽取的研究[A];第五屆全國(guó)信息檢索學(xué)術(shù)會(huì)議論文集[C];2009年

2 孫慧;關(guān)毅;董喜雙;;中文情感詞傾向消歧[A];第六屆全國(guó)信息檢索學(xué)術(shù)會(huì)議論文集[C];2010年

3 段秀婷;何婷婷;宋樂(lè);;基于PMI-IR算法的Blog情感分類(lèi)研究[A];第五屆全國(guó)青年計(jì)算語(yǔ)言學(xué)研討會(huì)論文集[C];2010年

4 李先斌;袁平波;俞能海;;基于局部最優(yōu)的情感標(biāo)簽圖像自動(dòng)標(biāo)注算法[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

5 王樅;涂序彥;劉嘉;;注意-情緒協(xié)調(diào)的個(gè)性化信息推薦模型[A];2006年首屆ICT大會(huì)信息、知識(shí)、智能及其轉(zhuǎn)換理論第一次高峰論壇會(huì)議論文集[C];2006年

相關(guān)博士學(xué)位論文 前8條

1 劉全超;面向中文微博的觀點(diǎn)挖掘與傾向性分析研究[D];北京理工大學(xué);2015年

2 董喜雙;基于免疫多詞主體自治學(xué)習(xí)的情感分析研究[D];哈爾濱工業(yè)大學(xué);2013年

3 寇廣增;基于意見(jiàn)挖掘通用框架的情感極性強(qiáng)度模糊性研究[D];武漢大學(xué);2010年

4 楊玉珍;基于Web評(píng)論信息的傾向性分析關(guān)鍵技術(shù)研究[D];山東師范大學(xué);2014年

5 黃勝;Web評(píng)論文本的細(xì)粒度意見(jiàn)挖掘技術(shù)研究[D];北京理工大學(xué);2014年

6 施寒瀟;細(xì)粒度情感分析研究[D];蘇州大學(xué);2013年

7 李榮軍;中文商品評(píng)論傾向性分析研究[D];北京郵電大學(xué);2011年

8 李芳;面向中文Web評(píng)論的觀點(diǎn)挖掘關(guān)鍵技術(shù)研究[D];華中師范大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 孫博;關(guān)于情感詞的意義用法[D];遼寧大學(xué);2012年

2 王銀;中文微博情感分析方法研究[D];廣東技術(shù)師范學(xué)院;2015年

3 崔連超;互聯(lián)網(wǎng)評(píng)論文本情感分析研究[D];山東大學(xué);2015年

4 杜雪峰;藏文句子傾向性分析研究[D];中央民族大學(xué);2015年

5 孫建超;微博輿情挖掘技術(shù)的研究與應(yīng)用[D];電子科技大學(xué);2015年

6 張圣聲;基于微博平臺(tái)的產(chǎn)品評(píng)論情感分類(lèi)研究[D];廣東外語(yǔ)外貿(mào)大學(xué);2015年

7 何天翔;基于情感詞網(wǎng)的短文本情感分類(lèi)方法研究[D];西南科技大學(xué);2015年

8 丁星;基于文本傾向性分析技術(shù)的微博監(jiān)控系統(tǒng)[D];江蘇科技大學(xué);2015年

9 李茜;博客意見(jiàn)檢索關(guān)鍵問(wèn)題研究[D];北京理工大學(xué);2015年

10 李瑞靜;漢語(yǔ)情感詞模糊語(yǔ)義的量化分析及應(yīng)用研究[D];北京理工大學(xué);2015年

，

本文編號(hào)：2512605