產(chǎn)品評(píng)論挖掘的觀點(diǎn)抽取和分類技術(shù)研究.pdf

1、隨著Internet和電子商務(wù)的發(fā)展和普及，Web在很大程度上改變了用戶反饋觀點(diǎn)的途徑。用戶購買和使用產(chǎn)品之后會(huì)在Web上發(fā)表對產(chǎn)品的評(píng)論，這些評(píng)論中包含用戶對產(chǎn)品性能或功能等方面肯定或者否定的態(tài)度。生產(chǎn)廠商和用戶可以通過分析產(chǎn)品評(píng)論獲得大量有用信息。但是，Web上評(píng)論信息是海量的，屬于無結(jié)構(gòu)化數(shù)據(jù)，生產(chǎn)廠商和用戶要想從產(chǎn)品評(píng)論中獲取信息只有通過人工閱讀的方式，而這是一個(gè)消耗時(shí)間且容易產(chǎn)生錯(cuò)誤的過程。因此，產(chǎn)品評(píng)論挖掘的研究應(yīng)運(yùn)而生，其

2、中用戶觀點(diǎn)抽取和極性分類是關(guān)鍵的技術(shù)，具有十分重要的研究價(jià)值。
　　 本文針對產(chǎn)品特征詞語的抽取和用戶觀點(diǎn)抽取和極性分類的技術(shù)進(jìn)行了深入研究，主要包括以下幾個(gè)方面：
　　 首先，介紹了產(chǎn)品評(píng)論挖掘的研究背景及意義和國內(nèi)外研究現(xiàn)狀，闡述產(chǎn)品評(píng)論挖掘中的關(guān)鍵技術(shù)。同時(shí)，提出了進(jìn)行評(píng)論數(shù)據(jù)的預(yù)處理的一套方案。
　　 其次，研究分析了基于統(tǒng)計(jì)和基于模式抽取和匹配的產(chǎn)品特征詞抽取算法，并將二者結(jié)合起來分別用于高頻和低頻特征

3、詞的抽取。抽取包含名詞的詞語序列作為候選特征詞，并制定三個(gè)規(guī)則進(jìn)行裁剪獲得高頻特征詞。隨后，利用模式抽取和匹配的方法尋找低頻特征詞。實(shí)驗(yàn)結(jié)果表明，基于統(tǒng)計(jì)和基于模式抽取和匹配的產(chǎn)品特征詞抽取算法比基于關(guān)聯(lián)規(guī)則挖掘頻繁項(xiàng)集和使用支持度裁剪的方法取得了更好的效果。抽取出的特征詞語劃分為通用特征和專屬特征，并構(gòu)建產(chǎn)品特征庫。
　　 然后，提出一種基于句子依存關(guān)系產(chǎn)生特征和觀點(diǎn)關(guān)聯(lián)對的算法。從評(píng)論句子中提取出詞語的詞性和詞語間的依存關(guān)系

4、，組成依存關(guān)系詞性對，并通過特定的依存關(guān)系詞性對來產(chǎn)生特征和觀點(diǎn)關(guān)聯(lián)對，以此找出用戶觀點(diǎn)和產(chǎn)品特征的對應(yīng)關(guān)系。
　　 接著，研究提出了特征和觀點(diǎn)關(guān)聯(lián)對的極性強(qiáng)度計(jì)算方法，根據(jù)計(jì)算結(jié)果進(jìn)行用戶觀點(diǎn)的極性分類。使用基于HowNet等資源的中文極性詞典判斷特征和觀點(diǎn)關(guān)聯(lián)對的極性和計(jì)算極性強(qiáng)度，并進(jìn)一步說明對產(chǎn)品型號(hào)、產(chǎn)品特征和評(píng)論文本進(jìn)行極性分類的方法。實(shí)驗(yàn)結(jié)果表明，基于特征和觀點(diǎn)關(guān)聯(lián)對和極性詞典的極性分類方法對中文產(chǎn)品評(píng)論的用戶觀點(diǎn)