中文旅游評(píng)論的情感分析研究.pdf

1、隨著全球旅游業(yè)快速發(fā)展和人們生活水平的提高，旅游逐漸成為人們閑暇時(shí)間的生活方式。然而，每個(gè)游客都會(huì)面臨旅行目的地景點(diǎn)或酒店的選擇決策問題。國內(nèi)外一些知名的旅游網(wǎng)站上均包含豐富的旅游評(píng)論信息，為廣大游客的選擇決策提供重要依據(jù)。對(duì)這些用戶發(fā)布的反饋和評(píng)價(jià)進(jìn)行情感分析研究，無論在理論分析和實(shí)際應(yīng)用上都具有重要意義。
　　目前國內(nèi)旅游領(lǐng)域的情感分析研究不夠深入，未能考慮到中文的復(fù)雜多樣性和評(píng)論集的不平衡性。針對(duì)以上問題，本文以攜程網(wǎng)為語料

2、源，面向中文旅游評(píng)論進(jìn)行了情感分析研究。由于語料集呈現(xiàn)較大的不平衡性，為消除不平衡因素的影響，本文主要分為平衡集和不平衡集的情感分類研究兩部分。
　　在平衡集的研究中，本文在特征提取層面提出了兩種改進(jìn)方法:一是基于旅游主題詞+情感詞序列的特征提取算法，二是基于中文句式的特征改進(jìn)方法。在此基礎(chǔ)上，本文構(gòu)建了SVM分類模型，對(duì)以上兩種方法的有效性進(jìn)行了驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，改進(jìn)方法提取了旅游維度各屬性的特征及情感意見詞，降低了特征的維度

3、;能夠有效識(shí)別復(fù)雜評(píng)論中真正表達(dá)的情感。
　　在不平衡集的研究中，本文采用過抽樣算法合成負(fù)面樣本，降低數(shù)據(jù)集的不平衡性。本文討論了SMOTE和BSMOTE算法的局限性，比如忽略了孤立點(diǎn)的影響，采樣倍率不合理導(dǎo)致分類性能下降。針對(duì)這兩個(gè)問題，本文提出了MSMOTE算法，并與前兩種算法的性能進(jìn)行了對(duì)比分析。實(shí)驗(yàn)結(jié)果表明，MSMOTE算法有效地提高了負(fù)面樣本的分類性能。
　　本文建立了適應(yīng)旅游領(lǐng)域的情感分類模型，降低了數(shù)據(jù)不平衡性