基于特征的商品在線評論情感傾向性分析.pdf

1、隨著互聯(lián)網技術和電子商務的快速發(fā)展，我們已經進入了“全民網購”的時代。消費者對商品的在線評論為其他消費者、企業(yè)產品反饋提供了重要的資源。因此，如何高效、自動化的剖析在線評論中消費者對產品及其相關特征所持有的態(tài)度成為情感傾向性分析領域的熱點課題。然而，由于中文自然語言本身的多樣性和復雜性，加之網絡語言的非規(guī)范性，讓商品在線評論的分析和研究變得更加困難。
　　本文針對目前商品在線評論的情感分析領域中存在的難題，研究了特征級文本情感傾向

2、性分析的理論方法及實現(xiàn)算法，根據商品在線評論的文本特點，提出了基于句型結構、詞性規(guī)律搭配的在線評論的特征情感三元組提取方法，并根據特征情感三元組的數據，用神經網絡算法進行商品在線評論情感判別。主要研究工作如下：
　　1.研究了基于特征的文本情感傾向性分析的相關理論，對篇章級、句子級、實體特征級三種不同粒度的文本情感分析方法進行比較，得出商品在線評論的文本情感分析中實體特征級的方法能夠提供商品的更詳細的情感傾向，優(yōu)于其他兩種粒度的情

3、感分析方法。
　　2.提出了一種基于句型結構、詞性規(guī)律搭配的商品在線評論的特征情感三元組提取方法：首先收集領域依賴特征詞集和網絡流行情感詞集，將網上獲取的評論數據經過預處理，得到的主觀子句提取句型模式，根據詞性規(guī)律并判斷子句的句型模式是否與我們提出的6種在線評論的基本句型模式相同，若相同，則提取對應的特征情感三元組；最后，將提取出的特征情感三元組進行去噪處理。該方法完美融合了商品在線評論的領域依賴性、程度副詞對情感極性的影響等因素

4、，有效的提取了特征情感三元組，并提高了商品在線評論中產品特征及其相關情感的識別能力。
　　3.研究了基于人工神經網絡的商品在線評論文本情感傾向性分析。首先建立BP神經網絡及RBF神經網絡模型進行訓練并仿真；針對神經網絡算法收斂速度慢、易陷入局部最優(yōu)等缺點，本文基于全局尋優(yōu)的思想對神經網絡算法進行改進。改進神經網絡算法是將神經網絡模型中的各參數值進行全局優(yōu)化，將隱含層中的權值整合，利用全局尋優(yōu)的特點，確定神經網絡中各參數最合理的值，