基于統(tǒng)計(jì)方法的中文文本情感傾向分類研究.pdf

1、隨著Internet的迅猛發(fā)展，以網(wǎng)絡(luò)為傳播媒介的文本信息越來越受到企事業(yè)單位和個(gè)人的關(guān)注。網(wǎng)絡(luò)信息可為政府管理部門了解民眾意向、制定政策和改善服務(wù)提供重要依據(jù)；通過某個(gè)事件的相關(guān)報(bào)道與評(píng)論，不僅可以了解事件本身，還可以了解人們對(duì)事件的立場、觀點(diǎn)和看法；很多企業(yè)通過在自己的網(wǎng)站上開辟產(chǎn)品評(píng)論專欄，進(jìn)行市場調(diào)查與分析，了解用戶對(duì)產(chǎn)品的意見和建議，對(duì)產(chǎn)品在線跟蹤，以改進(jìn)產(chǎn)品性能和售后服務(wù)；消費(fèi)者也可以利用網(wǎng)上關(guān)于各種產(chǎn)品的評(píng)論來指導(dǎo)消費(fèi)行為

2、。然而，網(wǎng)上每天都有大量的新評(píng)論出現(xiàn)，對(duì)于這些評(píng)論，僅靠人工進(jìn)行跟蹤和分析顯然是行不通的，人們開始關(guān)注并研究評(píng)論文本的主觀性情感傾向分析。本文針對(duì)網(wǎng)上的評(píng)論文本進(jìn)行了文本情感傾向分類研究，主要內(nèi)容如下： (1)將文本主題分類的關(guān)鍵技術(shù)應(yīng)用于文本情感傾向分類。 本文采用了信息增益、互信息和x<'2>統(tǒng)計(jì)三種特征選擇方法以及布爾和頻率兩種概率估算方法，對(duì)文本情感傾向分類進(jìn)行了實(shí)驗(yàn)研究，選擇支持向量機(jī)技術(shù)構(gòu)造分類器。測(cè)試結(jié)果表

3、明，這些技術(shù)用于文本情感傾向分類是可行的，但分類效果不及文本主題分類。其原因是，文本情感傾向分類問題比文本主題分類問題在特征選擇上更復(fù)雜，僅僅基于類別區(qū)分能力選擇特征是不夠的。 (2)提出了基于同義詞情感傾向強(qiáng)度的詞匯情感傾向強(qiáng)度度量方法。 詞匯的同義詞與詞匯本身具有相同或相近的情感傾向，一個(gè)詞的同義詞與基準(zhǔn)詞的同現(xiàn)信息一定程度上強(qiáng)化了該詞匯的情感傾向。為了定量刻畫這種語言現(xiàn)象，本文提出了基于同義詞同現(xiàn)信息的詞匯情感傾向

4、強(qiáng)度度量方法。實(shí)驗(yàn)表明，該方法優(yōu)于基于詞匯的情感傾向強(qiáng)度度量方法。 (3)提出基于類別頻次差的受限基準(zhǔn)詞選擇方法。 詞匯的情感傾向分類效果很大程度上依賴于基準(zhǔn)詞的選擇。本文提出了基于類別頻次差的受限于語料庫的基準(zhǔn)詞選擇方法。實(shí)驗(yàn)結(jié)果表明該方法優(yōu)于通用基準(zhǔn)詞選擇方法。 (4)提出了基于最大熵模型的組合項(xiàng)情感傾向判別方法。 組合項(xiàng)是一類重要的文本情感傾向分類特征，本文提出了基于最大熵模型的詞匯組合項(xiàng)情感傾向分