基于CR情感词库的中文在网络评论的比较句识别

发布时间：2021-02-22 10:08

　　“智慧+”时代,网络日益成为我们了解世界,掌握资讯,获取资料的首要媒介。新兴信息技术推动了智慧零售的兴起,传统零售行业经历了转型和变革,网络零售商家的竞争日益激烈,新的版图有待重建。另一方面,随着互联网,尤其是移动互联网的日益流行,网络不再仅仅是用户获取信息的来源,更成为用户发表观点,交流情感,信息共享的渠道。在此背景下,伴随网络零售的迅速发展,出现了海量的、用户发表的网络评论,其中,比较句在网络评论中占据着越来越重要的位置。网络评论中的比较句,指的是表达不同事物（产品）在属性或特征上差别的语句,它在中文网络评论中是一种常用且具有说服力的表达方式。通过有效的比较句识别方法,可以挖掘有用知识,获得产品的优劣比较,进而帮助消费者做出更好决策,帮助商家提高产品质量,因此,比较句信息的挖掘成为一个亟待研究的课题。然而,现有研究还存在较多的缺失点和不足,例如,比较句分类类别不精细、比较句识别准确率不高、跨领域研究不足等。为解决这些问题,本文针对中文评论的特点,围绕“提升比较句的识别准确率,探索跨领域自动识别”这一科学问题,从传统分类模型、CR（比较结果）情感词库两个角度展开系统研究,并对研究过程... 

【文章来源】：聊城大学山东省

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 论文的研究背景
    1.2 论文的研究意义
    1.3 论文的研究问题
    1.4 论文的结构体系
    1.5 论文的创新点
第二章 比较句识别的研究综述
    2.1 网络评论比较句识别相关研究
        2.1.1 比较句类型
        2.1.2 比较句结构
        2.1.3 比较句要素
        2.1.4 比较句识别
    2.2 网络评论情感词典相关研究
        2.2.1 HowNet和 Word2vec
        2.2.2 基于Hownet构建情感词典
        2.2.3 基于Word2vec构建情感词典
        2.2.4 基于其他方式构建情感词典
    2.3 研究评述
    2.4 本章小结
第三章 基于传统分类模型的比较句识别
    3.1 文本表示模型
        3.1.1 特征项选择
        3.1.2 特征项降维
        3.1.3 特征项权重
    3.2 文本分类模型
        3.2.1 支持向量机模型
        3.2.2 构造核函数
        3.2.3 分类性能
    3.3 基于传统分类模型的比较句识别实验设计
        3.3.1 数据预处理
        3.3.2 数据语料库
        3.3.3 特征项选择
        3.3.4 分类器选取
    3.4 实验结果与分析
        3.4.1 特征项数量对识别准确率的影响
        3.4.2 不同类型特征项对识别准确率的影响
        3.4.3 不同类型比较句对识别准确率的影响
    3.5 本章小结
第四章 基于CR（比较结果）情感词库的比较句识别
    4.1 情感词库相关知识
    4.2 CR情感词库的构建
        4.2.1 CR情感词表的构建
        4.2.2 CR情感极值表的构建
        4.2.3 CR情感词库的优化
    4.3 CR情感词库的实验验证及分析
        4.3.1 CR情感词表的构建
        4.3.2 CR情感极值表的构建
        4.3.3 CR情感词库的更新
    4.4 基于CR情感词库的比较句识别
        4.4.1 基于CR情感词表的比较句识别实验设计
        4.4.2 实验结果分析
    4.5 本章小结
第五章 总结与展望
    5.1 研究总结
    5.2 研究不足与展望
参考文献
致谢
攻读硕士学位期间发表的学术论文


【参考文献】：
期刊论文
[1]面向旅游在线评论情感词典构建方法[J]. 严仲培,陆文星,束柬,王彬有.  计算机应用研究. 2019(06)
[2]基于Word2Vec和HowNet的情感词典构建方法[J]. 元海霞.  现代计算机(专业版). 2018(04)
[3]基于网络爬虫的情感词典释义方式研究[J]. 曹永红,张藜奕.  信息系统工程. 2017(12)
[4]基于词向量的跨领域中文情感词典构建方法[J]. 冯超,梁循,李亚平,周小平,李晓菲.  数据采集与处理. 2017(03)
[5]一种基于Word2Vector与编辑距离的句子相似度计算方法[J]. 陆尹浩.  电脑知识与技术. 2017(05)
[6]大规模情感词典的构建及其在情感分类中的应用[J]. 赵妍妍,秦兵,石秋慧,刘挺.  中文信息学报. 2017(02)
[7]基于情感词典的酒店评论情感分类研究[J]. 陈柯宇,何中市.  现代计算机(专业版). 2017(06)
[8]基于Word2Vec的情感词典自动构建与优化[J]. 杨小平,张中夏,王良,张永俊,马奇凤,吴佳楠,张悦.  计算机科学. 2017(01)
[9]面向在线评论的比较观点挖掘研究综述[J]. 高松,王洪伟,冯罡,王伟.  现代图书情报技术. 2016(10)
[10]基于HowNet的微博文本语义检索研究[J]. 王李冬,张慧熙.  情报科学. 2016(09)

硕士论文
[1]面向微博电影评论的情感分类研究[D]. 李明.云南财经大学 2014
[2]基于情感词典的中文微博情感倾向分析研究[D]. 陈晓东.华中科技大学 2012
[3]中文网络产品评论的情感分析关键技术研究[D]. 余珍芝.杭州电子科技大学 2011
[4]比较句与比较关系识别研究及其应用[D]. 李建军.重庆大学 2011
[5]面向情感分析的特征抽取技术研究[D]. 朱善宗.哈尔滨工业大学 2009



本文编号：3045830