基于Web評論信息的傾向性分析關鍵技術研究.pdf

1、社交網絡的迅速興起,網民規(guī)模的不斷攀升,使得以互聯(lián)網為代表的新興媒體已經成為廣大群眾表達訴求、抨擊時弊、建言獻策、溝通交流的重要工具,成為群眾行使知情權、參與權、表達權和監(jiān)督權的重要渠道。與此同時,網絡用戶也由信息的被動接收者轉變?yōu)樾畔⒌纳a者,這便造成了用戶產生的大量評論信息在互聯(lián)網上堆積的情形。不僅如此,用戶產生評論信息中還蘊含了用戶情感態(tài)度、政治傾向等信息。挖掘用戶產生內容信息所攜帶的情感信息,分析用戶的情感傾向,對商品推薦、輿情

2、發(fā)現(xiàn)以及信息預測等均有著重要的意義。
　　迄今為止,研究者在傾向性分析領域做出了大量的研究,推進了傾向性分析研究的進步。由于用戶的情感傾向性信息多蘊含在用戶產生的文本信息中,而自然語言處理本身便是一項極具挑戰(zhàn)性的工作。再加上蘊含在用戶產生評論信息中的情感傾向還會依據(jù)語境的不同而發(fā)生變化,這便使得傾向性分析存在以下幾個亟待解決的問題:
　　傾向性分析存在語料分布極度不平衡現(xiàn)象。一些領域的語料容易通過互聯(lián)網獲取,而某些領域的語料

3、屬于稀有資源,如何解決語料分布不平衡問題,使得構建的情感詞表具有較高的領域可移置性,達到跨領域傾向性分析的目的是當前亟待解決的首要問題。
　　情感詞不僅具有領域依賴性,而且具有上下文依賴性,同一個情感詞在不同的上下文環(huán)境中會表現(xiàn)出不同的情感傾向,導致系統(tǒng)精確度大幅降低。如何解決情感詞的上下文依賴問題是提高傾向性分析的關鍵所在。
　　針對復雜的語言現(xiàn)象,如何捕捉比較詞、否定詞以及句式等因素對句子傾向性的影響,能否構建一個合理的

4、句子傾向性分析模型,捕捉影響句子傾向性的多種因素,達到提高句子傾向性分析目的是傾向性分析所面臨的問題之一。
　　平面話題模型難以描述評論文本中主題與屬性之間的關系,造成全局把握某一評論話題的全局情感傾向性困難的局面。能否構建一個合適的評論文本表示模型,用于描述評論文本中話題與子話題之間縱向層次關系及橫向關聯(lián)關系,最終達到描述用戶全局情感傾向的目的,是當前面臨的一個重要問題。
　　本文針對上述問題,確立研究內容。主要工作如下:

5、
　　(1)研究跨領域情感詞自動擴展方法,解決不同領域數(shù)據(jù)分布不平衡現(xiàn)象。針對傾向性分析中存在語料分布不平衡問題,提出一種跨領域傾向性分析方法。目的在于利用源領域中已標注信息分析目標領域中未登錄詞的情感傾向,用于未標注領域情感詞自動擴展。該方法首先將情感詞劃分為依賴情感詞和獨立情感詞兩類,以此為基礎擴展原有傾向性分析的兩個假設,構建源領域與目標領域之間的關系,達到情感詞自動擴展的目的。整個方法涉及情感詞抽取和情感詞傾向性定義兩個步

6、驟。情感詞抽取階段采用詞性信息與改進的點互信息相結的方法計算候選情感詞與評價對象之間的依賴強度,獲取目標領域情感詞集合。構造詞與詞、詞與評價對象、詞與文檔之間關系,并利用這個關系計算每個情感詞傾向強度,最終達到跨領域情感詞擴展的目的。
　　(2)研究評價短語傾向性分析方法,為解決情感詞傾向性依賴下文依賴問題開辟新的途徑。針對情感詞傾向性存在上下文依賴性問題,提出一種基于評價對象隱性情感傾向的評價短語傾向性分析方法。該方法將情感詞的

7、上下文環(huán)境分解為評價對象,并對評價對象的隱性情感加以量化,以此為基礎構建評價對象、情感詞以及評價短語之間的關系。最后,依據(jù)啟發(fā)式規(guī)則構建短語傾向性分析的目標函數(shù),達到短語傾向性分析的目的。實驗表明,結合評價對象隱性情感傾向的情形下,評價短語傾向性識別得到了有效的提高。
　　(3)研究否定句傾向性分析方法,以解決否定詞否定界限模糊的問題。針對句子傾向性分析中否定詞否定界限模糊的問題,分析影響否定句傾向性分析的主要因素以及否定詞的否定

8、范圍,將否定界限問題轉化為否定詞位置問題,以此為基礎提出一種基于層疊HMM的否定句傾向性分析方法。該方法被劃分為三個層次,其中HMM-1和HMM-2用于識別否定句中所包含的評價對象,以此為基礎,計算短語的情感傾向。為了量化否定詞對句子傾向性的影響,將句子中所包含的否定詞作為觸發(fā)條件修正評價短語的情感傾向,最后依據(jù)不同的句式計算句子的全局情感傾向。該方法參加了2012年第四屆全國傾向性信息評測,提交的結果在所有提交結果中表現(xiàn)最優(yōu)。

9、　　(4)研究評論文本模型構建方法,用于解決平面話題模型關聯(lián)檢測困難的問題,為全局捕捉話題特征傾向奠定基礎。針對平面話題模型關聯(lián)檢測困難的問題,本文提出一種融合擴展 IB理論的評論文本模型構建方法。該方法將評論文本視為一個層次結構,首先將評論文本劃分為一個個獨立的語義單元,并將語義單元進一步劃分為主題特征和語義單元特征兩個部分。其中,主題屬性用于同一話題或產品的全局關聯(lián),而語義單元屬性則用于區(qū)分話題或子屬性之間的關系。在語義單元劃分中,