細粒度意見挖掘研究.pdf

1、隨著Web2.0的出現(xiàn)，互聯(lián)網(wǎng)用戶從單純的信息瀏覽者成為了信息發(fā)布者。尤其在電子商務、社交網(wǎng)絡出現(xiàn)之后，互聯(lián)網(wǎng)用戶已經(jīng)成為了整個互聯(lián)網(wǎng)最大的信息來源。這些用戶產(chǎn)生的數(shù)據(jù)對于互聯(lián)網(wǎng)用戶、產(chǎn)品生產(chǎn)商、服務提供商甚至是政府的相關(guān)部門都有著重要作用。通過分析處理這些數(shù)據(jù)，可以了解這些互聯(lián)網(wǎng)用戶的行為習慣、當前熱點事件等等。但是這么龐大的數(shù)據(jù)量已經(jīng)遠遠超過了人力所能處理的范圍，在這種情況下計算機成為了最好的處理工具，因此便誕生了意見挖掘這一自然語

2、言處理任務。
　　意見挖掘任務旨在通過對帶有評價信息的文本集合進行分析，從中提煉出意見摘要，以便用戶更直觀、更全面地了解全局。其中，細粒度的意見挖掘可以更好的分析評價的細節(jié)之處，更有利于決策。本文針對細粒度意見挖掘任務的需要，對評價信息抽取和分類問題進行了研究。
　　首先本文根據(jù)細粒度意見挖掘研究的需要，基于在線評論語料建立了一個主觀評價語料庫。本文在主觀評價語料庫的基礎上，對評價信息的種類和特征進行了總結(jié)，分析評價信息的詞

3、性以及上下文詞性的規(guī)律，并以此作為評價信息抽取的理論依據(jù)。
　　其次，本文提出了基于條件隨機場模型并結(jié)合詞聚類信息為特征的評價信息抽取模型，以此進行評價信息抽取實驗。實驗結(jié)果表明詞聚類信息能提高標注模型性能，與采用短句法依賴為特征的基線實驗相比平均有近10％的提升。
　　在抽取出評價信息之后，還需要對這些評價信息進行分類處理，將描述相同主題的評價信息歸入同一個類中，降低統(tǒng)計時的誤差。本文提出了基于種子集和語義相似度計算的評價