在線(xiàn)中文評(píng)論情感分類(lèi)問(wèn)題研究.pdf

1、隨著計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)的快速發(fā)展,互聯(lián)網(wǎng)已經(jīng)成為生活中不可或缺的重要信息來(lái)源,深刻地影響了消費(fèi)者的行為模式。越來(lái)越多的消費(fèi)者開(kāi)始瀏覽在線(xiàn)評(píng)論來(lái)了解產(chǎn)品和服務(wù)的口碑,以便做出明智的購(gòu)買(mǎi)決策。在線(xiàn)用戶(hù)評(píng)論作為一種反饋機(jī)制也可以幫助生產(chǎn)者和銷(xiāo)售商了解產(chǎn)品的優(yōu)點(diǎn)和不足,從而改進(jìn)產(chǎn)品改善服務(wù),獲得競(jìng)爭(zhēng)優(yōu)勢(shì)。但在線(xiàn)評(píng)論增長(zhǎng)十分迅速,在線(xiàn)評(píng)論對(duì)商家績(jī)效將產(chǎn)生怎樣的影響?怎樣有效地處理大量承載著信息的數(shù)據(jù)以獲取消費(fèi)者情感傾向分布?怎樣區(qū)分評(píng)論信息和非評(píng)論

2、信息等問(wèn)題逐漸成為當(dāng)前管理和信息科學(xué)領(lǐng)域面臨的挑戰(zhàn)。在線(xiàn)中文評(píng)論相關(guān)研究仍處于起步階段,隨著中國(guó)互聯(lián)網(wǎng)規(guī)模和普及水平的提高,亟需展開(kāi)在線(xiàn)中文評(píng)論自動(dòng)挖掘技術(shù)。
　　本文在對(duì)國(guó)內(nèi)外研究成果梳理、總結(jié)的基礎(chǔ)上，運(yùn)用經(jīng)濟(jì)管理、自然語(yǔ)言處理、文本分類(lèi)、語(yǔ)言學(xué)等學(xué)科的理論和方法,從在線(xiàn)評(píng)論對(duì)商家績(jī)效的影響、評(píng)論情感傾向自動(dòng)分析和評(píng)論與非評(píng)論識(shí)別三個(gè)方面來(lái)進(jìn)行在線(xiàn)中文評(píng)論情感分類(lèi)研究。本文主要研究?jī)?nèi)容及創(chuàng)新點(diǎn)包括:
　　1、在線(xiàn)中文評(píng)論

3、情感分類(lèi)研究問(wèn)題的提出。通過(guò)整理現(xiàn)有在線(xiàn)評(píng)論挖掘相關(guān)文獻(xiàn),將現(xiàn)有研究分為行為導(dǎo)向和技術(shù)導(dǎo)向兩種,提出了中文在線(xiàn)評(píng)論情感分類(lèi)亟需進(jìn)行的三個(gè)研究方面。對(duì)口碑、在線(xiàn)口碑、在線(xiàn)評(píng)論以及評(píng)論情感分類(lèi)的概念進(jìn)行界定,明確了本文的研究范疇。
　　2、研究了在線(xiàn)中文評(píng)論對(duì)商家績(jī)效的影響。以大眾點(diǎn)評(píng)網(wǎng)作為數(shù)據(jù)來(lái)源,將餐館頁(yè)面受關(guān)注度視為商家績(jī)效的代理,建立在線(xiàn)評(píng)論與商家績(jī)效的關(guān)系模型。結(jié)果表明消費(fèi)者評(píng)論顯著正面影響商家績(jī)效,而網(wǎng)站評(píng)分和編輯評(píng)論的存

4、在顯著負(fù)面影響商家績(jī)效。接著詳細(xì)探討了第三方評(píng)論平臺(tái)和商家應(yīng)采取的在線(xiàn)評(píng)論管理和利用策略。最后分析了評(píng)論情感計(jì)算領(lǐng)域的學(xué)者應(yīng)該從哪些方面幫助人們自動(dòng)理解在線(xiàn)評(píng)論。
　　3、研究了基于監(jiān)督學(xué)習(xí)的中文評(píng)論情感分類(lèi)方法。探討了基于向量空間模型的中文評(píng)論情感分類(lèi)方法,主要包括文本表示方法、特征選擇方法和分類(lèi)方法。在N元語(yǔ)言模型的基礎(chǔ)上，研究了基于字符語(yǔ)言模型的中文評(píng)論情感分類(lèi)方法。接著分別在中英文語(yǔ)料上，通過(guò)實(shí)驗(yàn)比較了Na?ve Baye

5、s、SVM和字符語(yǔ)言模型的情感分類(lèi)性能,以及訓(xùn)練集規(guī)模對(duì)情感分類(lèi)效果的影響。最后,探討了字符語(yǔ)言模型中N的取值對(duì)中文評(píng)論情感分類(lèi)效果的影響。實(shí)驗(yàn)結(jié)果表明,字符語(yǔ)言模型在中文評(píng)論情感分類(lèi)任務(wù)中能取得比較好的效果。
　　4、研究了基于語(yǔ)義的中文評(píng)論情感分類(lèi)方法。探討基于PMI-IR中文評(píng)論情感分類(lèi)方法,著重考察 PMI-IR方法中搜索引擎和基準(zhǔn)詞匯的選擇對(duì)評(píng)論情感分類(lèi)效果的影響。提出一種利用搜索引擎返回的Snippet計(jì)算中文詞語(yǔ)和評(píng)

6、論情感傾向的方法,實(shí)驗(yàn)結(jié)果表明 Snippet方法效果受基準(zhǔn)正負(fù)面詞匯、窗口大小和分類(lèi)閾值的共同作用。最后通過(guò)實(shí)驗(yàn)比較了PMI-IR方法和Snippet方法對(duì)中文評(píng)論情感分類(lèi)的效果,結(jié)果表明選擇適當(dāng)?shù)幕鶞?zhǔn)詞對(duì),Snippet方法能夠取得比PMI-IR方法更好的分類(lèi)效果。
　　5、研究了基于bootstrapping在Web大規(guī)模無(wú)標(biāo)注真實(shí)語(yǔ)料中,自動(dòng)構(gòu)建中文主、客觀語(yǔ)料集的方法。探討基于bootstrapping的中文主、客觀語(yǔ)句