基于三层过滤的评价对象抽取

发布时间：2017-11-02 10:01

  本文关键词：基于三层过滤的评价对象抽取

  更多相关文章： 评价对象抽取 情感词 关联置信度 领域置信度

【摘要】：针对互联网中的产品评论信息,提出一种三层过滤的评价对象抽取方法.该方法采用一个自举式的抽取算法在评论文本中得到候选的评价对象和情感词;利用评价对象与情感词之间的关联度对候选词进行关联置信度计算,提取关联置信度高的评价对象以提高识别的准确率;引入一个不相关的平行领域对剩余的候选词进行领域置信度计算,挖掘低频的评价对象.3个公开数据集中的实验结果表明该方法能够显著地提高评价对象的识别效果.
【作者单位】： 北京理工大学计算机科学技术学院;北京市海量语言信息处理与云计算应用工程技术研究中心;
【关键词】： 评价对象抽取 情感词 关联置信度 领域置信度
【基金】：国家自然科学基金资助项目(61370137)
【分类号】：TP391.1
【正文快照】： 云计算应用工程技术研究中心,北京100081)评价对象抽取旨在识别评论句中的目标实体,是意见挖掘任务中的热点问题[1-3].评价对象是指一个评论句中描述的产品属性或者组成部分,情感词是用来修饰评价对象,并且能够表达一定情感倾向的词.评价对象和情感词在评论文本的情感判定、摘

【相似文献】

中国期刊全文数据库 前10条

1 肖健;徐建;朱姝;万缨;许亮;;基于翻译和语义方法的情感词挖掘研究[J];计算机工程与应用;2011年32期

2 赵鹏;赵志伟;卓景文;;一种情感词语义加权的句子倾向性识别方法[J];计算机工程与应用;2011年35期

3 代大明;李寿山;李培峰;朱巧明;;基于情绪词与情感词协作学习的情感分类方法研究[J];计算机科学;2012年12期

4 李勇敢;周学广;孙艳;张焕国;;结合依存关联分析和规则统计分析的情感词库构建方法[J];武汉大学学报(理学版);2013年05期

5 彭庆喜;钱铁云;;基于量化情感的网店垃圾评论检测[J];山东大学学报(理学版);2013年11期

6 黄俊;田生伟;禹龙;冯冠军;;基于维吾尔语情感词的句子情感分析[J];计算机工程;2012年09期

7 孙劲光;马志芳;孟祥福;;基于情感词属性和云模型的文本情感分类方法[J];计算机工程;2013年12期

8 柳位平;朱艳辉;栗春亮;向华政;文志强;;中文基础情感词词典构建方法研究[J];计算机应用;2009年10期

9 魏志生;吉阳生;罗春勇;陈家骏;;加入领域先验知识的产生式情感分类模型[J];计算机科学与探索;2011年12期

10 唐晓波;肖璐;;基于情感分析的评论挖掘模型研究[J];情报理论与实践;2013年07期

中国重要会议论文全文数据库 前5条

1 陈奇哲;刘全升;姚天f ;;汉语意见型语句主题与情感关系抽取的研究[A];第五届全国信息检索学术会议论文集[C];2009年

2 孙慧;关毅;董喜双;;中文情感词倾向消歧[A];第六届全国信息检索学术会议论文集[C];2010年

3 段秀婷;何婷婷;宋乐;;基于PMI-IR算法的Blog情感分类研究[A];第五届全国青年计算语言学研讨会论文集[C];2010年

4 李先斌;袁平波;俞能海;;基于局部最优的情感标签图像自动标注算法[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

5 王枞;涂序彦;刘嘉;;注意-情绪协调的个性化信息推荐模型[A];2006年首届ICT大会信息、知识、智能及其转换理论第一次高峰论坛会议论文集[C];2006年

中国博士学位论文全文数据库 前7条

1 刘全超;面向中文微博的观点挖掘与倾向性分析研究[D];北京理工大学;2015年

2 董喜双;基于免疫多词主体自治学习的情感分析研究[D];哈尔滨工业大学;2013年

3 杨玉珍;基于Web评论信息的倾向性分析关键技术研究[D];山东师范大学;2014年

4 黄胜;Web评论文本的细粒度意见挖掘技术研究[D];北京理工大学;2014年

5 施寒潇;细粒度情感分析研究[D];苏州大学;2013年

6 李荣军;中文商品评论倾向性分析研究[D];北京邮电大学;2011年

7 李芳;面向中文Web评论的观点挖掘关键技术研究[D];华中师范大学;2013年

中国硕士学位论文全文数据库 前10条

1 王银;中文微博情感分析方法研究[D];广东技术师范学院;2015年

2 蔡启煌;细粒度中文网络消费评论情感极性分类方法研究[D];大连海事大学;2016年

3 李军伟;网站商品评论挖掘技术的研究[D];北京交通大学;2016年

4 刘妙;面向评论文本基于情感分析的可信推荐模型研究[D];浙江理工大学;2016年

5 高磊;产品特征自动提取及情感分类研究[D];南京大学;2013年

6 何新宇;基于改进情感词识别方法的舆情情感分析系统设计[D];北方工业大学;2016年

7 张志华;基于深度学习的情感词向量及文本情感分析的研究[D];华东师范大学;2016年

8 张玉杰;情感词的倾向性研究[D];北京邮电大学;2011年

9 周晓;基于互联网的情感词库扩展与优化研究[D];东北大学;2011年

10 任望;基于股价的情感词库获取[D];西南财经大学;2014年

，

本文编号：1131037