基于翻譯模型的網絡評論情感分析研究.pdf

1、隨著電子商務的普及與發(fā)展，大部分網絡消費者在購買商品前都會瀏覽商品的用戶評論信息，這些評論信息不僅對消費者做購買決策有幫助，對生產廠家或電商公司獲取商品市場反饋也有重要貢獻。然而，從海量的商品評論中獲取對用戶有用的信息是一件很繁瑣的事情，因此情感分析（Sentiment Analysis/Opinion Mining）應運而生。情感分析的主要工作就是挖掘并分析文本信息，實現相應的情感分類或情感極性判定。
　　情感分析不僅在商品評論

2、分析領域得到了廣泛的應用，在網絡輿情分析，金融股市分析和垃圾郵件處理等方面也有較高的研究價值。情感分析在自然語言處理，信息檢索，數據挖掘以及機器學習等領域都有涉及，因此，研究情感分析的方法也比較全面。情感分析的主要內容分為兩部分：傾向性信息識別和傾向性信息分類，在眾多的研究方法中提高識別精度和分類精度一直是情感分析研究的重點。
　　按分析的粒度的可以把情感分析分為篇章級別、句子級別、短語級別和詞語級別。早期的情感分析主要集中在篇章

3、級別和句子級別，隨著用戶提出的要求變高，短語級別和詞語級別這種細粒度的情感分析逐漸成為了當前的研究熱點。本文主要是對網絡產品評論進行詞語級別的情感分析研究，主要內容：
　　1.研究了抓取網頁數據的方法，并對數據進行了分詞、詞性標注和去噪聲。
　　2.研究識別情感詞和評價對象詞語的方法。情感分析中識別情感詞和評價對象的精度一直是研究的重點，因此本文充分利用情感關系和詞語本身的特性就如何有效地識別情感詞和評價對象進行了詳細的研究