情感傾向分析中的結構化方法.pdf

1、近年來情感傾向分析在自然語言處理領域引起了廣泛的關注.它可以幫助分析文本中與情感相關的信息，從而提供直接的應用結果或者為其他的自然語言處理任務服務.結構化方法是自然語言處理的各個任務中廣泛使用的一類機器學習方法，它通過利用結構化的信息提高分類器的性能，本文中主要研究傾向性信息抽取任務中的結構化方法，
　　 首先，對于傾向性信息抽取中的評價詞，評價對象的關系抽取任務，過去的關系抽取方式要么為簡單的將相鄰評價詞，評價對象的關聯(lián)在一起

2、，要么依靠手工制定的模板，都沒有充分利用句法樹上的信息.同時，也忽略了評價詞，評價對象的短語結構，本文提出了短語依存句法樹，將短語結構引入了依存句法樹中，較好的處理了短語間的依存關系.在短語依存句法樹上，首次提出了依賴于短語結構的樹核函數(shù)，它能夠區(qū)別對待不同類型的依存關系，很大的提高了樹核函數(shù)在關系抽取中的辨識能力.在5個不同領域的在線評論語料上的實驗證明了短語依存句法樹能夠很好的處理短語類型的評價詞，評價對象；同時，新的樹核函數(shù)能夠有

3、效的提高關系抽取的各方面性能。
　　 其次，傳統(tǒng)的文本傾向性信息表示忽略了文本中許多與傾向性相關的信息。這使得最終的抽取結果可能是不準確，不完整的，針對這樣的問題，本文提出了基于圖的傾向性表示，其中除了傳統(tǒng)的評價詞，評價對象等要素外，還包括了對評價詞的限制，隱含的評價對象，以及評價詞之間的關系.它極大的豐富了傾向性信息抽取的結果.也擴充了傾向性任務處理的對象，能夠提供更加精確，更加完備的抽取結果.本文使用了一種新的結構化方泫將一