基于在线评论的细粒度情感分析
发布时间：2021-09-19 11:31
随着互联网和电子商务在国内的迅猛发展,人们越来越热衷于在网络上进行购物,商品的评论中包含了许多有价值的信息,一方面消费者可以通过商品评论来了解商品的口碑,进而作出相应的购买决策;另一方面生产厂家可以通过评论来发现商品存在的问题,进而改善产品质量。情感分析又称为观点挖掘、情绪分析、情感倾向分析,属于自然语言处理的具体应用,是借助数据挖掘、机器学习等技术对含有感情色彩的主观性文本进行抽取、组织、分析的过程。针对在线评论进行情感分析后,其结果可为潜在的消费者和商家提供必要的决策信息,因此对在线评论进行情感分析具有很显著的应用价值。传统的情感分析一般根据文本所表达的情感信息将文本分为褒义和贬义两种不同的类型,这种粗粒度的结果不能在更加细粒度的层次下帮助消费者减轻信息过滤的负担;此外,有些评论中其评价对象的属性没有在语句中直接显示出来,往往需要依靠上下文的语境来判断,对其的情感理解亦不能通过传统的情感分析来完成。随着研究的深入,现在的情感分析可分为从文本分析的粒度层次划分的粗粒度情感分析和细粒度情感分析,以及从属性特征角度划分的显式情感分析和隐式情感分析。本文针对在线评论的细粒度情感分析进行了较...
【文章来源】：安徽工程大学安徽省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
图２－２词法分析示意图??Ｆｉｕｒｅ?２－２?Ｌｅｘｉｃａｌ?Ａｎａｌｓｉｓ?Ｄｉａｒａｍ??
因此对句子进行相应的解析显得尤为必要。目前主流的分词系统都具有词法分析和句法??分析的功能。以评论句“手机手感很好，电量充足，总体感觉还不错！”为例。??词法分析如图２－２所示：??．，：ｔｅ．；?．．？］?：ｎ．：?＾?Ｂ?３?？??科几手感很好?＇?母运充足，总体感觉还不错！＇??图２－２词法分析示意图??Ｆｉｇｕｒｅ?２－２?Ｌｅｘｉｃａｌ?Ａｎａｌｙｓｉｓ?Ｄｉａｇｒａｍ??句法分析如图２－３所示：??１４??
Ｆｉｇｕｒｅ?３－２?Ｐｈｏｔｏ?Ａｔｔｒｉｂｕｔｅ?Ｆｉｖｅ－ｔｕｐｌｅ?Ｄｉｃｔｉｏｎａｒｙ??３．?３本章小结??本章以手机领域为例，介绍了评论文本数据源的来源，并基于部分评论文本人工构建了??五元组形式的细粒度情感词典，与传统的情感词典不同的是，本词典除了有情感词还基于同??义词词林进行了扩展，同时充分考虑了否定词和修饰词及其顺序对情感词的加权作用，与传??统的情感词典相比，其更加具有领域特征。??
【参考文献】：
期刊论文
[1]基于在线评论的商业竞争情报自动获取[J]. 聂卉,李通,何欢,刘梦圆,首欢容. 情报杂志. 2018(10)
[2]“中兴事件”中的典型高端竞争情报产品分析[J]. 陈峰,张薇. 情报杂志. 2018(05)
[3]基于K近邻分类算法的涉恐信息过滤模型研究[J]. 唐华,杨解君,王俊,黄炜. 情报杂志. 2018(03)
[4]基于网络用户评论情感计算的用户痛点分析——以手机评论为例[J]. 范炜昊,徐健. 情报理论与实践. 2018(01)
[5]基于情感语义特征抽取的在线评论有用性分类算法与应用[J]. 张艳丰,李贺,彭丽徽,侯力铁. 数据分析与知识发现. 2017(12)
[6]基于深度学习的短文本评论产品特征提取及情感分类研究[J]. 李杰,李欢. 情报理论与实践. 2018(02)
[7]基于二分网络的网络用户评论情感分析[J]. 卢伟聪,徐健. 情报理论与实践. 2018(02)
[8]基于汉语组块产品特征——观点对提取与情感分析研究[J]. 刘臣,韩林,李丹丹,安咏雪,霍良安. 计算机应用研究. 2017(10)
[9]网络评论方面级观点挖掘方法研究综述[J]. 韩忠明,李梦琪,刘雯,张梦玫,段大高,于重重. 软件学报. 2018(02)
[10]基于权重的Apriori算法在文本统计特征提取方法中的应用[J]. 李昌兵,庞崇鹏,李美平. 数据分析与知识发现. 2017(09)
硕士论文
[1]基于知识库的自动问答关键技术研究[D]. 周博通.哈尔滨工业大学 2017
[2]顾客满意视角下的“痛点”营销研究[D]. 刘婷婷.兰州理工大学 2017
[3]基于复杂网络的在线评论情感倾向性分类[D]. 张向阳.大连理工大学 2016
[4]基于依存句法分析的中文评价对象抽取和情感倾向性分析[D]. 贾治中.东南大学 2016
[5]面向汽车在线评论的情感分类研究与应用[D]. 黄鹤.哈尔滨工业大学 2013
[6]基于机器学习的产品评论情感分类研究[D]. 姚娜娜.首都师范大学 2013
[7]基于特征的产品评论挖掘关键问题研究[D]. 焦福增.山东大学 2013
[8]面向产品评价的细粒度情感分析技术研究[D]. 张玥.哈尔滨工业大学 2013
[9]基于理解的汉语分词系统的设计与实现[D]. 苏勇.电子科技大学 2011
[10]基于隐马尔科夫模型的中文命名实体识别研究[D]. 赵琳瑛.西安电子科技大学 2008
本文编号：3401534
【文章来源】：安徽工程大学安徽省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
图２－２词法分析示意图??Ｆｉｕｒｅ?２－２?Ｌｅｘｉｃａｌ?Ａｎａｌｓｉｓ?Ｄｉａｒａｍ??
因此对句子进行相应的解析显得尤为必要。目前主流的分词系统都具有词法分析和句法??分析的功能。以评论句“手机手感很好，电量充足，总体感觉还不错！”为例。??词法分析如图２－２所示：??．，：ｔｅ．；?．．？］?：ｎ．：?＾?Ｂ?３?？??科几手感很好?＇?母运充足，总体感觉还不错！＇??图２－２词法分析示意图??Ｆｉｇｕｒｅ?２－２?Ｌｅｘｉｃａｌ?Ａｎａｌｙｓｉｓ?Ｄｉａｇｒａｍ??句法分析如图２－３所示：??１４??
Ｆｉｇｕｒｅ?３－２?Ｐｈｏｔｏ?Ａｔｔｒｉｂｕｔｅ?Ｆｉｖｅ－ｔｕｐｌｅ?Ｄｉｃｔｉｏｎａｒｙ??３．?３本章小结??本章以手机领域为例，介绍了评论文本数据源的来源，并基于部分评论文本人工构建了??五元组形式的细粒度情感词典，与传统的情感词典不同的是，本词典除了有情感词还基于同??义词词林进行了扩展，同时充分考虑了否定词和修饰词及其顺序对情感词的加权作用，与传??统的情感词典相比，其更加具有领域特征。??
【参考文献】：
期刊论文
[1]基于在线评论的商业竞争情报自动获取[J]. 聂卉,李通,何欢,刘梦圆,首欢容. 情报杂志. 2018(10)
[2]“中兴事件”中的典型高端竞争情报产品分析[J]. 陈峰,张薇. 情报杂志. 2018(05)
[3]基于K近邻分类算法的涉恐信息过滤模型研究[J]. 唐华,杨解君,王俊,黄炜. 情报杂志. 2018(03)
[4]基于网络用户评论情感计算的用户痛点分析——以手机评论为例[J]. 范炜昊,徐健. 情报理论与实践. 2018(01)
[5]基于情感语义特征抽取的在线评论有用性分类算法与应用[J]. 张艳丰,李贺,彭丽徽,侯力铁. 数据分析与知识发现. 2017(12)
[6]基于深度学习的短文本评论产品特征提取及情感分类研究[J]. 李杰,李欢. 情报理论与实践. 2018(02)
[7]基于二分网络的网络用户评论情感分析[J]. 卢伟聪,徐健. 情报理论与实践. 2018(02)
[8]基于汉语组块产品特征——观点对提取与情感分析研究[J]. 刘臣,韩林,李丹丹,安咏雪,霍良安. 计算机应用研究. 2017(10)
[9]网络评论方面级观点挖掘方法研究综述[J]. 韩忠明,李梦琪,刘雯,张梦玫,段大高,于重重. 软件学报. 2018(02)
[10]基于权重的Apriori算法在文本统计特征提取方法中的应用[J]. 李昌兵,庞崇鹏,李美平. 数据分析与知识发现. 2017(09)
硕士论文
[1]基于知识库的自动问答关键技术研究[D]. 周博通.哈尔滨工业大学 2017
[2]顾客满意视角下的“痛点”营销研究[D]. 刘婷婷.兰州理工大学 2017
[3]基于复杂网络的在线评论情感倾向性分类[D]. 张向阳.大连理工大学 2016
[4]基于依存句法分析的中文评价对象抽取和情感倾向性分析[D]. 贾治中.东南大学 2016
[5]面向汽车在线评论的情感分类研究与应用[D]. 黄鹤.哈尔滨工业大学 2013
[6]基于机器学习的产品评论情感分类研究[D]. 姚娜娜.首都师范大学 2013
[7]基于特征的产品评论挖掘关键问题研究[D]. 焦福增.山东大学 2013
[8]面向产品评价的细粒度情感分析技术研究[D]. 张玥.哈尔滨工业大学 2013
[9]基于理解的汉语分词系统的设计与实现[D]. 苏勇.电子科技大学 2011
[10]基于隐马尔科夫模型的中文命名实体识别研究[D]. 赵琳瑛.西安电子科技大学 2008
本文编号：3401534
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3401534.html
