基于特征強(qiáng)化的中文產(chǎn)品評論挖掘研究.pdf

1、隨著電子商務(wù)的蓬勃發(fā)展和網(wǎng)絡(luò)購物用戶的增加，作為消費(fèi)者反饋信息的在線產(chǎn)品評論也呈現(xiàn)快速增長之勢。實(shí)現(xiàn)產(chǎn)品評論的自動挖掘?qū)ι碳液蜐撛诘南M(fèi)者有著重要意義。由于產(chǎn)品評論挖掘中的任務(wù)大多可被轉(zhuǎn)化為分類問題，因此利用現(xiàn)有的監(jiān)督學(xué)習(xí)方法解決產(chǎn)品評論挖掘中的問題逐漸成為一種趨勢。
　　 然而，由于評論文本篇幅較短、描述信號弱的特點(diǎn)，使得現(xiàn)有監(jiān)督學(xué)習(xí)方法在評論挖掘中的應(yīng)用受到很大的限制。為了解決這個問題，本文以中文產(chǎn)品評論為主要研究對象，采用

2、特征強(qiáng)化的方法，從評論整體的情感分類和細(xì)粒度的觀點(diǎn)挖掘兩個層面進(jìn)行分析研究。論文的主要工作如下：
　　 (1)在評論整體的情感分類方面，針對評論文本特征信息弱的特點(diǎn)，提出一種基于關(guān)聯(lián)特征的情感分類方法。該方法首先利用關(guān)聯(lián)規(guī)則挖掘算法挖掘關(guān)聯(lián)共現(xiàn)特征集，然后利用獲取的關(guān)聯(lián)共現(xiàn)特征增強(qiáng)評論文本的特征信息。最后結(jié)合IG 特征選擇法和SVM分類算法完成情感分類。實(shí)驗(yàn)證明，與基于傳統(tǒng)布爾權(quán)重的評論情感分類方法相比較，基于關(guān)聯(lián)特征的產(chǎn)品評論

3、情感分類方法的宏平均F1值和微平均F1值都得到了很大的提高。
　　 (2)在細(xì)粒度的觀點(diǎn)挖掘方面，針對詞對信息弱而導(dǎo)致傳統(tǒng)的分類器F1值不高的問題，本文提出一種基于多特征多分類器的方法識別主觀評價關(guān)系。
　　 一方面，為了強(qiáng)化詞對的上下文特征，該方法除了抽取特征觀點(diǎn)詞對的上下文詞特征與位置特征，還引入了詞對上下文的句式特征共同構(gòu)建詞對的特征空間；另一方面，為了減弱詞對特征信息弱對分類器精度的影響，該方法使用加權(quán)投票機(jī)制構(gòu)