本文選題：情感分類 + 評論挖掘�。� 參考：《東南大學》2015年碩士論文

【摘要】：對產(chǎn)品評論進行挖掘,從中抽取利益方關切信息的技術和方法成為互聯(lián)網(wǎng)環(huán)境下非結構化數(shù)據(jù)處理研究的重要方向之一。本文對評論挖掘技術進行研究,提出基于產(chǎn)品特征的抽取式摘要算法獲得簡潔的摘要,再以摘要為基礎進行評論分析,從而從評論中抽取有價值的信息。主要貢獻如下：1)根據(jù)詞向量工具word2vec的運行原理,設計了一套同義詞篩選規(guī)則,通過詞向量對種子詞典進行擴充,使用篩選規(guī)則篩選詞向量的擴充結果,可以有效的提高特征詞和情感詞的同義詞典的質量。2)基于依存句法分析技術實現(xiàn)自動化的情感詞極性判斷。首先利用開源的搜索引擎技術定位語料庫中情感詞的相關句子,找到與它具有并列關系(COO)的已知極性情感詞,以此判定情感詞的極性。相比于傳統(tǒng)的基于語料庫和連詞的判斷方法,通過COO關系可以捕捉到廣泛意義的并列關系,該方法對于情感傾向性判斷的準確率很高。3)針對評價句法結構特點,設計基于產(chǎn)品特征的摘要抽取算法,生成簡短的具有代表性和可讀性的簡潔摘要,支持后續(xù)的評論句分類。針對評論的用語特點總結出評價搭配模板抽取評價搭配信息,根據(jù)評論句中特征詞和情感詞搭配關系將句子分到相應的類別中。相比于傳統(tǒng)摘要算法,本文提出的摘要算法的結果可以更好的作為分類依據(jù)。4)為了實現(xiàn)自動化產(chǎn)品評論挖掘,在上述研究基礎之上,從用戶需求出發(fā),設計并實現(xiàn)基于產(chǎn)品特征的摘要系統(tǒng),系統(tǒng)可以輔助用戶快速獲取產(chǎn)品評論中有價值信息。
[Abstract]:The technology and method of mining product reviews and extracting information of interest from the stakeholders has become one of the important research directions of unstructured data processing in the Internet environment. In this paper, we study the technology of comment mining, propose a product feature-based abstract extraction algorithm to obtain concise summary, and then analyze comments based on summary, so as to extract valuable information from comments. The main contributions are as follows: (1) according to the principle of word vector tool word2vec, a set of synonym selection rules is designed. The seed dictionary is expanded by word vector, and the expansion result of word vector is filtered by screening rule. It can effectively improve the quality of synonyms of feature words and affective words. 2) automatic polarity judgment of affective words can be realized based on dependency syntactic analysis technology. Firstly, the open source search engine is used to locate the relevant sentences of affective words in the corpus, and to find the known polar affective words with its paratactic relationship, and then to judge the polarity of affective words. Compared with the traditional corpus-based and conjunction-based judgment methods, the paratactic relationships of a wide range of meanings can be captured by using COO relations, and the accuracy of this method in judging affective preference is high. 3) to evaluate the syntactic structure characteristics. A product feature-based abstract extraction algorithm is designed to generate a brief, representative and readable summary, which supports the subsequent classification of comment sentences. According to the lexical characteristics of comments, this paper summarizes the evaluation collocation template and extracts the evaluation collocation information, and classifies the sentences into the corresponding categories according to the collocation relationship between the feature words and the affective words in the comment sentences. Compared with the traditional summary algorithm, the result of this paper can be used as classification basis. 4) in order to realize automatic product comment mining, based on the above research, the paper starts from the user's demand. A summary system based on product features is designed and implemented. The system can help users to quickly obtain valuable information in product reviews.
【學位授予單位】：東南大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.1

【相似文獻】

相關期刊論文 前10條

1 許璐蕾;;網(wǎng)絡評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;萬纓;許亮;;基于翻譯和語義方法的情感詞挖掘研究[J];計算機工程與應用;2011年32期

3 趙鵬;趙志偉;卓景文;;一種情感詞語義加權的句子傾向性識別方法[J];計算機工程與應用;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)作學習的情感分類方法研究[J];計算機科學;2012年12期

5 李勇敢;周學廣;孫艷;張煥國;;結合依存關聯(lián)分析和規(guī)則統(tǒng)計分析的情感詞庫構建方法[J];武漢大學學報(理學版);2013年05期

6 彭慶喜;錢鐵云;;基于量化情感的網(wǎng)店垃圾評論檢測[J];山東大學學報(理學版);2013年11期

7 杜嘉忠;徐健;劉穎;;網(wǎng)絡商品評論的特征 情感詞本體構建與情感分析方法研究[J];現(xiàn)代圖書情報技術;2014年05期

8 張清亮;徐健;;網(wǎng)絡情感詞自動識別方法研究[J];現(xiàn)代圖書情報技術;2011年10期

9 黃俊;田生偉;禹龍;馮冠軍;;基于維吾爾語情感詞的句子情感分析[J];計算機工程;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方法[J];計算機工程;2013年12期

相關會議論文 前5條

1 陳奇哲;劉全升;姚天f ;;漢語意見型語句主題與情感關系抽取的研究[A];第五屆全國信息檢索學術會議論文集[C];2009年

2 孫慧;關毅;董喜雙;;中文情感詞傾向消歧[A];第六屆全國信息檢索學術會議論文集[C];2010年

3 段秀婷;何婷婷;宋樂;;基于PMI-IR算法的Blog情感分類研究[A];第五屆全國青年計算語言學研討會論文集[C];2010年

4 李先斌;袁平波;俞能海;;基于局部最優(yōu)的情感標簽圖像自動標注算法[A];第六屆和諧人機環(huán)境聯(lián)合學術會議（HHME2010)、第19屆全國多媒體學術會議（NCMT2010）、第6屆全國人機交互學術會議（CHCI2010）、第5屆全國普適計算學術會議（PCC2010）論文集[C];2010年

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

相關博士學位論文 前8條

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

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

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

4 楊玉珍;基于Web評論信息的傾向性分析關鍵技術研究[D];山東師范大學;2014年

5 黃勝;Web評論文本的細粒度意見挖掘技術研究[D];北京理工大學;2014年

6 施寒瀟;細粒度情感分析研究[D];蘇州大學;2013年

7 李榮軍;中文商品評論傾向性分析研究[D];北京郵電大學;2011年

8 李芳;面向中文Web評論的觀點挖掘關鍵技術研究[D];華中師范大學;2013年

相關碩士學位論文 前10條

1 孫博;關于情感詞的意義用法[D];遼寧大學;2012年

2 王銀;中文微博情感分析方法研究[D];廣東技術師范學院;2015年

3 蔡啟煌;細粒度中文網(wǎng)絡消費評論情感極性分類方法研究[D];大連海事大學;2016年

4 李軍偉;網(wǎng)站商品評論挖掘技術的研究[D];北京交通大學;2016年

5 劉妙;面向評論文本基于情感分析的可信推薦模型研究[D];浙江理工大學;2016年

6 高磊;產(chǎn)品特征自動提取及情感分類研究[D];南京大學;2013年

7 汪怡群;雙語發(fā)展不平衡雙語者情感詞語義加工及情感加工[D];浙江大學;2016年

8 周景升;大學生在自步速句子閱讀和RSVP任務中中英文情感詞的識別加工研究[D];浙江大學;2016年

9 何新宇;基于改進情感詞識別方法的輿情情感分析系統(tǒng)設計[D];北方工業(yè)大學;2016年

10 燕麗蘋;基于用戶評論的專科醫(yī)院評價研究[D];北京理工大學;2015年

，

本文編號：1774482