基于復(fù)雜網(wǎng)絡(luò)的在線評(píng)論情感傾向性分類.pdf

1、隨著WEB技術(shù)和電子商務(wù)平臺(tái)的迅速發(fā)展，網(wǎng)絡(luò)購物逐漸成為消費(fèi)者購物的潮流，消費(fèi)者以在線評(píng)論的方式分享自己的購物經(jīng)歷，表達(dá)對(duì)產(chǎn)品或服務(wù)的偏好和體驗(yàn)。這些評(píng)論包含了消費(fèi)者對(duì)產(chǎn)品、賣家、廠家、物流等網(wǎng)購環(huán)節(jié)的情感傾向，對(duì)于商家改進(jìn)產(chǎn)品，提高服務(wù)質(zhì)量，提升客戶滿意度具有重要的意義，同時(shí)對(duì)于消費(fèi)者做出正確的購物決策也有很大的幫助。因此近年來，在線評(píng)論情感分析逐漸成為在線評(píng)論研究的熱點(diǎn)問題，而其中的情感傾向性分類作為情感分析的主要任務(wù)逐漸受到關(guān)注。

2、
　　本文以在線評(píng)論情感傾向性分類的研究為主線，結(jié)合復(fù)雜網(wǎng)絡(luò)理論提出新的情感傾向性分類算法。主要從以下三個(gè)方面開展本文的研究:
　　首先，針對(duì)公共領(lǐng)域情感詞典對(duì)專業(yè)領(lǐng)域詞語、網(wǎng)絡(luò)用語和新興詞語收錄不全的問題，提出了將公共情感詞典作為種子情感詞典，以評(píng)論預(yù)料庫中的形容詞且未出現(xiàn)公共情感詞典中作為候選情感詞，利用信息論中的點(diǎn)互信息理論計(jì)算候選情感詞和種子情感詞的相關(guān)度來擴(kuò)展公共領(lǐng)域情感詞典，從而構(gòu)建專業(yè)領(lǐng)域情感詞典的算法。

3、>　　其次，針對(duì)傳統(tǒng)情感分類算法中忽略文檔詞語語序和缺乏文檔句法分析的問題提出了基于有向網(wǎng)絡(luò)的情感分類模型。該模型根據(jù)消費(fèi)者在線評(píng)論，構(gòu)建評(píng)論有向網(wǎng)絡(luò)，從評(píng)論網(wǎng)絡(luò)的拓?fù)湫再|(zhì)和評(píng)論文檔的語義內(nèi)容出發(fā)建立在線評(píng)論情感傾向性分類模型。首先以詞語共現(xiàn)理論為基礎(chǔ)構(gòu)建評(píng)論的有向網(wǎng)絡(luò)，然后挖掘網(wǎng)絡(luò)中具有情感信息的子網(wǎng)絡(luò)，將子網(wǎng)絡(luò)中由程度詞和否定詞導(dǎo)致的情感偏移引入到韋伯-費(fèi)希納定律中，提出了一種新的在線評(píng)論情感相似性計(jì)算方法DNSA(Directed

4、 network and syntactic analysis)，利用該方法計(jì)算測(cè)試評(píng)論和訓(xùn)練中評(píng)論的相似度，選取相似度最大的前K條評(píng)論的多數(shù)類作為該評(píng)論的情感類別。
　　再次，針對(duì)傳統(tǒng)的基于詞袋模型的情感分類算法中忽略文檔特征的語義相關(guān)性信息和文檔結(jié)構(gòu)信息，造成評(píng)論情感資源遺漏的問題，提出了基于復(fù)雜網(wǎng)絡(luò)特征選擇的情感傾向性分類模型。首先利用復(fù)雜網(wǎng)絡(luò)理論提出了一種新的情感分類特征選擇算法NTFS(Complex network f

5、eature selection)，該算法通過構(gòu)建候選情感特征關(guān)系網(wǎng)絡(luò)，利用復(fù)雜網(wǎng)絡(luò)中節(jié)點(diǎn)重要性評(píng)估理論，考慮節(jié)點(diǎn)的局部和全局重要性，提出了利用網(wǎng)絡(luò)節(jié)點(diǎn)的度中心性、接近中心性和介數(shù)中心性綜合衡量節(jié)點(diǎn)重要性來選擇情感分類特征的算法，然后結(jié)合經(jīng)典機(jī)器學(xué)習(xí)算法SVM、NB、NNET實(shí)現(xiàn)在線評(píng)論的情感傾向性分類。
　　最后，為了測(cè)試算法，以酒店評(píng)論和手機(jī)評(píng)論為實(shí)驗(yàn)數(shù)據(jù)。通過結(jié)果分析，發(fā)現(xiàn)這兩種情感分類算法可以有效的實(shí)現(xiàn)在線評(píng)論的情感分類，