基于电子商务的评论文本情感极性等级分析

发布时间：2017-03-28 16:05

  本文关键词：基于电子商务的评论文本情感极性等级分析，由笔耕文化传播整理发布。

【摘要】：文本情感分析指研究分析人们对产品、服务、组织机构、事件和话题等进行评价时表达的意见、情感、评价、态度和情绪的特殊自然语言处理研究领域。涉及到多项具有挑战性研究任务，根据研究任务的不同，文本情感分析可以分为情感分类、情感信息抽取、情感信息检索和归纳。研究的过程包括预处理、情感信息抽取、分类器选择、结果归纳展示。 随着web2.0的发展，人们可以通过互联网随时随地发表自己的观点，如博客、论坛、门户网站、电子商务平台等，这些文本能直接或间接反映人的行为和思想，所以研究分析这些文本的情感有许多的用处。关注分析电子商务领域的评论文本情感，无论对消费者还是商家都有重要的意义。目前文本情感分析虽然取得了较大发展，但对情感极性等级分析研究还不足。文本情感存在固有模糊特性，由此可以利用模糊理论的隶属度函数，进行情感极性等级计算。 情感分析主要判断评论文本的情感极性和极性等级，即属于褒义、贬义的强度。根据电子商务领域评论文本的特点，，在已有传统情感分析的基础上，开展对评论句子的情感极性等级分析。首先，通过STEP算法标注WordNet词典中的形容词情感，再用NOS隶属度函数计算词语情感极性等级，构建NOS情感词典。其次，利用整数线性规划（ILP）改造NOS情感词典,得到领域情感词典，使词典最大化适应电子商务领域文本分析。然后，改进传统的加权统计算法，即预先使用投票选举法判断句子极性，再计算情感极性等级，通过与未选举法的极性等级求平均值，作为最终的句子极性值。最后，使用领域情感词典抽取文本中的情感信息，包括情感词典、否定词、程度副词，实现了一个面向电子商务领域的情感分类系统。 实验语料库为12000条评论句子，分别来自家电、酒店、图书类电商网站，通过手工标注语料的褒贬极性作为检验实验结果的金标准。实验结果显示：领域情感词典比NOS词典平均准确率提高了2.7%～6.1%；改进算法比加权统计算法提高了5.7%～9.1%，这说明对情感分析进行的初步尝试有较好效果。
【关键词】：文本情感分析 领域情感词典 模糊理论 整数规划 极性等级计算
【学位授予单位】：重庆交通大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP391.1
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-18
• 1.1 研究背景9-11
• 1.2 国内外研究现状11-13
• 1.3 研究的目的和意义13-14
• 1.4 研究中的困难与不足14-16
• 1.4.1 研究中的困难14-15
• 1.4.2 发展中的不足15-16
• 1.5 研究内容及组织结构16-18
• 1.5.1 主要研究内容16-17
• 1.5.2 论文组织结构17-18
• 第二章 情感分析的研究方法及相关算法18-23
• 2.1 基于机器学习方法18-20
• 2.1.1 朴素贝叶斯算法（NB）18-19
• 2.1.2 最大熵算法（ME）19
• 2.1.3 支持向量机（SVMs）19-20
• 2.2 基于词频的方法20-21
• 2.2.1 语义相关场20
• 2.2.2 语义相似度20-21
• 2.3 基于规则的方法21
• 2.4 性能评估方法21-23
• 第三章 文本情感分析的流程及应用23-31
• 3.1 文本预处理23-25
• 3.1.1 向量空间模型（VSM）23-24
• 3.1.2 降维操作24-25
• 3.2 情感信息抽取25-28
• 3.2.1 特征提取法25-26
• 3.2.2 情感词典26-28
• 3.3 选择分类器28
• 3.4 情感归纳28
• 3.5 情感分析的应用28-31
• 3.5.1 机器人的情感计算29
• 3.5.2 提供决策支持29
• 3.5.3 网络舆情与风险分析29-30
• 3.5.4 信息预测30
• 3.5.5 产品推荐30-31
• 第四章 基于模糊理论的情感词典建立方法31-43
• 4.1 模糊理论31-34
• 4.1.1 模糊理论的概述31-32
• 4.1.2 模糊理论使用注意事项32-33
• 4.1.3 模糊理论与文本情感分析的结合33-34
• 4.2 STEP 算法34-38
• 4.2.1 STEP 算法的提出35-36
• 4.2.2 算法的步骤36-37
• 4.2.3 STEP 算法标注结果及分析37-38
• 4.3 词语情感程度度量38-42
• 4.3.1 词语的中心度38-39
• 4.3.2 度量方法39
• 4.3.3 实验及结果分析39-41
• 4.3.4 NOS拓展41-42
• 4.4 本章小结42-43
• 第五章 电商网站评论文本的情感计算系统43-67
• 5.1 系统目标43
• 5.2 系统架构43-44
• 5.3 评价语料库准备44-46
• 5.4 语料预处理46-51
• 5.4.1 语料分词46-47
• 5.4.2 词性标注47-50
• 5.4.3 去除停用词50-51
• 5.5 领域情感词典与情感信息抽取51-57
• 5.5.1 领域情感词典51
• 5.5.2 适用电商领域的情感词典改造51-55
• 5.5.3 情感信息抽取55-57
• 5.6 评论文本情感极性分类算法57-60
• 5.6.1 情感极性加权统计算法57-58
• 5.6.2 对加权统计算法的改进58-60
• 5.7 实验及分析60-66
• 5.7.1 实验环境60-61
• 5.7.2 数据库设计61-63
• 5.7.3 实验准备63-64
• 5.7.4 对比实验结果及分析64-66
• 5.8 本章小结66-67
• 第六章 总结和展望67-68
• 6.1 全文总结67
• 6.2 展望67-68
• 致谢68-69
• 参考文献69-73
• 在学期间取得的学术成果73

【参考文献】

中国期刊全文数据库 前4条

1 娄德成;姚天f ;;汉语句子语义极性分析和观点抽取方法的研究[J];计算机应用;2006年11期

2 朱嫣岚;闵锦;周雅倩;黄萱菁;吴立德;;基于HowNet的词汇语义倾向计算[J];中文信息学报;2006年01期

3 姚天f ;程希文;徐飞玉;汉思·乌思克尔特;王睿;;文本意见挖掘综述[J];中文信息学报;2008年03期

4 赵妍妍;秦兵;刘挺;;文本情感分析[J];软件学报;2010年08期

  本文关键词：基于电子商务的评论文本情感极性等级分析，由笔耕文化传播整理发布。

本文编号：272566