基于微博平台的产品评论情感分类研究

发布时间：2017-08-25 01:08

  本文关键词：基于微博平台的产品评论情感分类研究

  更多相关文章： 微博 产品评论 情感分类 层次分析法 观点分析

【摘要】：Web 2.0的出现促进了电子商务和微博的迅速发展。微博作为热门的web2.0应用,允许用户发表观点、获取信息和表达情感,越来越多的人通过微博发表对产品的看法,使微博产生了海量的包含情感的产品文本信息。微博平台上的产品评论是消费者对产品的好坏的一种情感表达,对这些信息进行情感分类研究,不仅有利于消费者根据评论做出好的购买决策,同时也能够使生产商及时获得用户对产品的购后评价,根据评价进行产品质量改善和营销策略调整,从而提高产品的受欢迎度。微博产品评论作为产品评论在互联网存在的一种新模式,融合了微博文本多主题、表达口语化和语言碎片化的特点,相对于传统文本,针对微博产品评论的情感分析将面临更多的挑战和困难。目前关于产品评论的情感分析的研究对象大部分集中在传统电商或产品论坛的评论文本上,针对微博产品评论的情感分析尚处于起步阶段,因此对微博产品评论进行情感分析,具有较高的理论价值和应用价值。论文以新浪微博产品评论为研究对象,使用情感词典和语义规则相结合的方法对微博产品评论进行情感分类,并在此基础上进行用户观点分析,实现理论研究和应用的结合,开展了以下的研究。一、根据微博的特点,构建了一种微博产品评论的情感分类方法。该方法分为四个部分:首先,根据微博文本口语化的特点,进行基于NLPIR汉语分词系统(ICTCLAS2013)的新词发现,并根据分词结果提取出评价新词集和评价对象新词集;其次,构建基于知网(Hownet)的基础情感词典,并融合评价新词集,以提高对情感词的识别率;再次,根据评价对象的词性特点,构建基于词性的评价搭配识别规则。该规则以情感词为中心,以评价对象的词性重要程度为顺序,以词语间的距离为衡量准则,来寻找识别评价搭配;最后,文本情感值。综合考虑程度副词和否定副词对文本修辞关系的影响,提出六种情感组合,并根据情感组合计算评论文本的情感值。实验结果表明该方法能有效提取评价搭配及进行微博情感分类。二、通过上述微博产品评论情感分类方法,对用户观点进行量化,并综合考虑了微博的转发数和评论数,构建用户观点分析指标,对用户的观点进行两个方面的分析:一是进行基于产品属性认可度的分析,通过图表展示用户对产品属性的评价情况,分析产品属性的优劣势;二是进行基于层次分析法的产品评价分析。利用层次分析法将影响产品评价的因素进行重要性的排序,计算出相关因素的权重,结合产品属性认可度,衡量产品的总体口碑情况。
【关键词】：微博 产品评论 情感分类 层次分析法 观点分析
【学位授予单位】：广东外语外贸大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：H136;F274
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-18
• 1.1 研究背景与意义9-10
• 1.2 国内外研究现状10-16
• 1.2.1 微博情感分类研究现状10-12
• 1.2.2 产品评论情感分类研究现状12-16
• 1.3 主要研究内容与组织结构16-18
• 1.3.1 主要研究内容16-17
• 1.3.2 论文组织结构17-18
• 第2章 文本情感分析相关知识介绍18-29
• 2.1 文本情感分析的过程18-19
• 2.2 微博产品评论19-23
• 2.2.1 微博文本19-20
• 2.2.2 产品评论20-21
• 2.2.3 微博产品评论21-23
• 2.3 文本预处理23-25
• 2.3.1 文本分句23-24
• 2.3.2 中文分词和词性标注24-25
• 2.4 情感词典研究综述25-27
• 2.5 评价指标27-28
• 2.6 小结28-29
• 第3章 微博产品评论情感分类方法29-44
• 3.1 方法概述29-30
• 3.2 基于ICTCLAS平台的新词发现30-31
• 3.3 基于词性规则的评价搭配的识别31-35
• 3.3.1 基于情感词典的评价词的识别32-33
• 3.3.2 基于词性规则的评价搭配的识别33-35
• 3.4 产品评论及其评价搭配的情感计算35-38
• 3.4.1 基于副词的情感组合的提取35-37
• 3.4.2 情感值计算37-38
• 3.5 实验结果及分析38-43
• 3.5.1 数据准备38-39
• 3.5.2 实验结果及分析39-43
• 3.6 小结43-44
• 第4章 用户观点分析44-58
• 4.1 用户观点分析概述44-45
• 4.2 产品属性认可度分析45-49
• 4.2.1 属性认可度分析45-46
• 4.2.2 实验结果及分析46-49
• 4.3 基于层次分析法的产品评价分析49-57
• 4.3.1 层次分析法49-51
• 4.3.2 选择层次分析法的原因51-52
• 4.3.3 模型构建52-55
• 4.3.4 模型的应用及分析55-57
• 4.4 小结57-58
• 第5章 总结与展望58-60
• 5.1 结论58
• 5.2 后续研究工作展望58-60
• 参考文献60-63
• 致谢63-64
• 在学期间的研究成果及发表的学术论文64
• 在学期间参与的科研项目64

【参考文献】

中国期刊全文数据库 前4条

1 谢丽星;周明;孙茂松;;基于层次结构的多策略中文微博情感分析和特征抽取[J];中文信息学报;2012年01期

2 蒋盛益;阳W，

本文编号：734166