基于領域本體和CRFS的商品評論傾向性分析
發(fā)布時間：2021-04-05 19:51
Web2.0的興起,讓人們可以通過論壇,BBS,點評網等各類網絡媒體發(fā)布不同形式的商品評論,由此網絡成為目前人們獲取商品評論的一個重要來源。商品評論包含能夠影響購買者的決策的重要信息,如購買者關心的商品質量、已購買者對商品的肯定與否定的態(tài)度等,但在網絡上對某個商品的評論分布廣泛并且數(shù)量驚人,給購買者全面瀏覽造成阻礙,因此,商品評論傾向性分析成為文本傾向性分析研究新熱點,如何自動識別商品評論并且從中獲取有價值的內容,成為了急待解決的問題。商品評論傾向性分析包括兩個任務：一是商品評論中評論對象的抽��；二是商品評論情感傾向性分析,包括觀點句的識別及其情感極性判斷。本文主要針對網絡中文商品評論的上述兩個任務進行了深入的研究。在評論對象的抽取任務中,提出了中文商品評論本體的構建流程,深入分析了該本體中概念間的語義關系,初步構建了一個手機領域的中文商品評論本體；同時,在該本體中定義了一些SWRL規(guī)則用于識別隱性評論對象；采用了CRFs模型進行顯性評論對象的抽取,嘗試將評論對象的本體特征以及情感特征添加到該模型的特征集中,本文針對COAE2011任務3提供的digital領域的語料進行了測試,實驗結...
【文章來源】：南京理工大學江蘇省 211工程院校
【文章頁數(shù)】：81 頁
【學位級別】：碩士
【部分圖文】：
以opinionmining為主題的SCI引文分析
點句中的評價詞的情感傾向，以及句式結構等。因此本文以觀點句中評價詞情感作為判斷觀點句情感傾向的依據(jù)，并且深入研究了否定詞和連詞的對觀點句情感的影響。本文的技術路線如圖1.2:隱隱隱隱隱隱隱隱隱隱隱隱隱隱隱隱隱 隱隱性評論論 評評評評評評評評 評評價對象抽取 取 取對象抽取取 評評論信息來源源 源 源 源 源 本本體推理理 評評價詞的抽取 取 取取取取取取取取褒褒褒褒褒褒褒褒褒褒褒褒褒褒褒褒褒 褒褒貶規(guī)則設計計官官方網站 站站站站站站站站站站站站站站站站站 包 包包包含評價詞的 的 的的的的的的的的觀觀觀觀觀觀觀觀觀 觀點句 句 句觀點句情感傾傾一 一尸一一一一一一 一 向 向圖1.2基于領域本體和C盯s的商品評論傾向性分析的技術路線圖本論文的研究內容獲得了江蘇省研究生創(chuàng)新計劃(基于領域本體一CRFs商品評價信息傾向性分析)的資助。
持有者針對某主題發(fā)表了具有情感的意見陳述。本論文針對商品評論，從評論對象的抽取、評價詞的抽取、商品評論情感極性判斷和極性強度計算4個方面進行綜述，主要的流程圖如圖2.1所示。評評論對象抽取取取商品品品品品品評評評評評評評評評評論論論極性性情情情情情情情情情情感感感強度度評評價詞抽取 取取極性性性計算算判判判判判判判判判判斷斷斷 斷圖2.1商品評論的傾向性分析流程圖2.1.1評論對象抽取研究現(xiàn)狀評論對象是商品評論中評論者評論的內容。在商品評論中評論對象的描述表現(xiàn)出一定的規(guī)則，這些規(guī)則主要包括四個方面:(l)評論對象由單個詞語構成。如:“NOKIA5230的價格有點貴”中“價格”這一評論對象，它是由單個詞語構成的。 PeiliangTian[3]等提出用本體抽取用戶感興趣的評論對象，利用了本體在對象識別上的優(yōu)勢，很好的提高了召回率。somprasertsriG和LalitrojwongP[41提出用一個預先標注的文本訓練最大嫡模型，然后用訓練得到模型從商品評論中抽取評論對象，實驗結果的準確率達到了71，88%，召回率為75.23%。雖然統(tǒng)計的方法可以很好的提高抽取的準確率和召回率但是需要大規(guī)模的標注語料
【參考文獻】：
期刊論文
[1]面向多視點的商品本體建模[J]. 張博,聶規(guī)劃. 情報雜志. 2010(04)
[2]評價對象抽取及其傾向性分析[J]. 劉鴻宇,趙妍妍,秦兵,劉挺. 中文信息學報. 2010(01)
[3]文本情感分析中褒貶分類的分界點確定[J]. 王海朋,商琳,戴新宇,吉陽生. 江南大學學報(自然科學版). 2009(05)
[4]農資商品本體分類體系方法研究[J]. 張璐,康麗,程新榮,楊鴿,蔣國武,夏崇鐠. 農業(yè)網絡信息. 2009(08)
[5]基于本體的產品信息組織與系統(tǒng)實現(xiàn)[J]. 李楓林,楊璇,王川川,馮宇. 情報科學. 2009(06)
[6]中文詞語傾向性分析處理[J]. 李娟,張全,賈寧. 計算機工程與應用. 2009(02)
[7]基于層疊CRFs模型的句子褒貶度分析研究[J]. 劉康,趙軍. 中文信息學報. 2008(01)
[8]基于多重冗余標記CRFs的句子情感分析研究[J]. 王根,趙軍. 中文信息學報. 2007(05)
[9]漢語語句主題語義傾向分析方法的研究[J]. 姚天昉,婁德成. 中文信息學報. 2007(05)
[10]基于語義理解的文本傾向性識別機制[J]. 徐琳宏,林鴻飛,楊志豪. 中文信息學報. 2007(01)
碩士論文
[1]基于語義WEB技術的產品配置研究[D]. 伍宏偉.上海交通大學 2009
[2]動畫素材的領域本體模型與語義推理研究[D]. 袁小娟.湖南師范大學 2009
[3]基于Rough本體的手機領域語義搜索引擎的研究與實現(xiàn)[D]. 李志露.南昌大學 2008
本文編號：3120001
【文章來源】：南京理工大學江蘇省 211工程院校
【文章頁數(shù)】：81 頁
【學位級別】：碩士
【部分圖文】：
以opinionmining為主題的SCI引文分析
點句中的評價詞的情感傾向，以及句式結構等。因此本文以觀點句中評價詞情感作為判斷觀點句情感傾向的依據(jù)，并且深入研究了否定詞和連詞的對觀點句情感的影響。本文的技術路線如圖1.2:隱隱隱隱隱隱隱隱隱隱隱隱隱隱隱隱隱 隱隱性評論論 評評評評評評評評 評評價對象抽取 取 取對象抽取取 評評論信息來源源 源 源 源 源 本本體推理理 評評價詞的抽取 取 取取取取取取取取褒褒褒褒褒褒褒褒褒褒褒褒褒褒褒褒褒 褒褒貶規(guī)則設計計官官方網站 站站站站站站站站站站站站站站站站站 包 包包包含評價詞的 的 的的的的的的的的觀觀觀觀觀觀觀觀觀 觀點句 句 句觀點句情感傾傾一 一尸一一一一一一 一 向 向圖1.2基于領域本體和C盯s的商品評論傾向性分析的技術路線圖本論文的研究內容獲得了江蘇省研究生創(chuàng)新計劃(基于領域本體一CRFs商品評價信息傾向性分析)的資助。
持有者針對某主題發(fā)表了具有情感的意見陳述。本論文針對商品評論，從評論對象的抽取、評價詞的抽取、商品評論情感極性判斷和極性強度計算4個方面進行綜述，主要的流程圖如圖2.1所示。評評論對象抽取取取商品品品品品品評評評評評評評評評評論論論極性性情情情情情情情情情情感感感強度度評評價詞抽取 取取極性性性計算算判判判判判判判判判判斷斷斷 斷圖2.1商品評論的傾向性分析流程圖2.1.1評論對象抽取研究現(xiàn)狀評論對象是商品評論中評論者評論的內容。在商品評論中評論對象的描述表現(xiàn)出一定的規(guī)則，這些規(guī)則主要包括四個方面:(l)評論對象由單個詞語構成。如:“NOKIA5230的價格有點貴”中“價格”這一評論對象，它是由單個詞語構成的。 PeiliangTian[3]等提出用本體抽取用戶感興趣的評論對象，利用了本體在對象識別上的優(yōu)勢，很好的提高了召回率。somprasertsriG和LalitrojwongP[41提出用一個預先標注的文本訓練最大嫡模型，然后用訓練得到模型從商品評論中抽取評論對象，實驗結果的準確率達到了71，88%，召回率為75.23%。雖然統(tǒng)計的方法可以很好的提高抽取的準確率和召回率但是需要大規(guī)模的標注語料
【參考文獻】：
期刊論文
[1]面向多視點的商品本體建模[J]. 張博,聶規(guī)劃. 情報雜志. 2010(04)
[2]評價對象抽取及其傾向性分析[J]. 劉鴻宇,趙妍妍,秦兵,劉挺. 中文信息學報. 2010(01)
[3]文本情感分析中褒貶分類的分界點確定[J]. 王海朋,商琳,戴新宇,吉陽生. 江南大學學報(自然科學版). 2009(05)
[4]農資商品本體分類體系方法研究[J]. 張璐,康麗,程新榮,楊鴿,蔣國武,夏崇鐠. 農業(yè)網絡信息. 2009(08)
[5]基于本體的產品信息組織與系統(tǒng)實現(xiàn)[J]. 李楓林,楊璇,王川川,馮宇. 情報科學. 2009(06)
[6]中文詞語傾向性分析處理[J]. 李娟,張全,賈寧. 計算機工程與應用. 2009(02)
[7]基于層疊CRFs模型的句子褒貶度分析研究[J]. 劉康,趙軍. 中文信息學報. 2008(01)
[8]基于多重冗余標記CRFs的句子情感分析研究[J]. 王根,趙軍. 中文信息學報. 2007(05)
[9]漢語語句主題語義傾向分析方法的研究[J]. 姚天昉,婁德成. 中文信息學報. 2007(05)
[10]基于語義理解的文本傾向性識別機制[J]. 徐琳宏,林鴻飛,楊志豪. 中文信息學報. 2007(01)
碩士論文
[1]基于語義WEB技術的產品配置研究[D]. 伍宏偉.上海交通大學 2009
[2]動畫素材的領域本體模型與語義推理研究[D]. 袁小娟.湖南師范大學 2009
[3]基于Rough本體的手機領域語義搜索引擎的研究與實現(xiàn)[D]. 李志露.南昌大學 2008
本文編號：3120001
本文鏈接：http://sikaile.net/tushudanganlunwen/3120001.html
