基于社会化媒体的细粒度观点挖掘
发布时间：2021-10-06 16:45
随着Web2.0和移动互联技术的迅猛发展,社会化媒体逐渐成为人们获取与创造信息的主要载体。社会化媒体的广泛使用创造了海量的用户生成内容,这些信息中隐含着丰富的用户观点和看法,这些观点和看法是人们进行综合决策的重要依据。但由于其数量巨大,质量参差不齐,使得用户无法高效、准确、全面地从中快速提取出人们最关注的内容和最有代表性的观点。这已成为社会化媒体发展中需要迫切解决的重要问题之一观点挖掘是为了满足人们对主观性信息分析的需求而产生的一种新技术,它综合了文本理解和文本数据挖掘能力,利用自然语言处理、信息抽取和数据挖掘等技术,从大量主观性文本中识别和获取最具代表性的观点,并对所有观点进行总结。所以,利用观点挖掘方法对社会化媒体信息进行分析成为人们解决上述问题的主要思路。但与一般Web文本相比,社会化媒体信息具有明显的社会性和传播性特点,这在一定程度上反应了人们对信息的关注程度,在对社会化媒体信息进行观点挖掘时,必须考虑该因素的影响。因此,本文以传统观点挖掘模型为基础,在挖掘过程中考虑了对社会化媒体特征的处理需求,并从细粒度分析的视角,对社会化媒体信息观点挖掘进行研究。具体来说,本文重点考虑了以...
【文章来源】：武汉大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：160 页
【学位级别】：博士
【部分图文】：
图0.1中国网民规模和互联网普及率对比图
形式的信总(图像、语音等)也都【I丨以通过文本进行标注。肉此，木文要主要考虑文本型社会化媒体信息。于社会化媒体信息由网络终端川户直接产虫，因此，其屮贪了火量主观观点(Subjective Attitude),比如，丨丨j广的建议、需求、评价、疑f"媒体的广泛使用创造了海量的广生成内容，挖掘这些倍息巾川广观冇筑要的经济价值和社会价似。因此，越来越多的和纟」〖织己经>」上搜索信总来帮助其做出决走，全球著名的市场调研公1力Nilsen的研，如架把I?1K上网习惯归纳为一小时，K在社会化媒体上使川的吋问已经超过了视频类网站和门站的浏览吋成为网民获取“新途社，如間0.2所示，冋吋其研究报化?称，消费养在做出购买行为前，推恭的方:tl：外，42%的人会资阅W络对产,丨/|的丨平论，35%的人会到论息，社会化媒体网站、傅客等也都对奶费者的购买行为起勒一定的影.3所示。
图0.3社会化媒体对用户购买决策影响比例图可见，社会化媒体信息对人们进行决策制定提供了充足的信获取信息和知识的主要来源之一。但是，由于用户获取到的丰须对其进行人工检查和信息判断，才能做出综合决策，如果没和手段，就很容易造成“信息迷航”现象的产生。因此，在这些海量的检索结果进行信息的自动识别、情感分析以及用用户观点的凝练结果和综合分析的技术和方法。观点挖掘技术要手段。它基于文本挖掘(Text Mining)技术，又具有一定的nding)的能力，主要利用信息抽取、文本挖掘、自然语言处理评论文本中识别和获取有用的观点集合，并总结所有评论的，>1〈仅需要蹄选包含评价商品的特征词，还要提取评论句中词的语义倾向性。总起来说，观点挖掘技术的出现满足了用户
【参考文献】：
期刊论文
[1]产品评论挖掘可视化实验平台的开发[J]. 李爱清,何烁,郗亚辉. 河北大学学报(自然科学版). 2012(02)
[2]基于层次结构的多策略中文微博情感分析和特征抽取[J]. 谢丽星,周明,孙茂松. 中文信息学报. 2012(01)
[3]基于中文网络客户评论的消费者行为分析方法[J]. 邱云飞,王雪,邵良杉. 现代情报. 2012(01)
[4]网络舆情意见挖掘中极性词典构建和极性识别方法研究[J]. 曹树金,张学莲,陈忆金. 图书情报知识. 2012(01)
[5]社会化媒体发展现状及其趋势分析[J]. 王明会,丁焰,白良. 信息通信技术. 2011(05)
[6]微博传播力的本质:碎片化即时信息的整合力——以温州“7·23”动车事故为例[J]. 顾杨丽,吴飞. 当代传播. 2011(05)
[7]基于语义的情感挖掘系统的设计与实现[J]. 李纲,王忠义. 现代图书情报技术. 2011(Z1)
[8]产品评论挖掘研究综述[J]. 郗亚辉,张明,袁方,王煜. 山东大学学报(理学版). 2011(05)
[9]基于多结构特征的垃圾博客识别研究[J]. 何苑,谭红叶. 计算机工程与设计. 2010(22)
[10]挖掘中文网络客户评论的产品特征及情感倾向[J]. 李实,叶强,李一军,罗嗣卿. 计算机应用研究. 2010(08)
博士论文
[1]WEB观点挖掘中关键问题的研究[D]. 李思.北京邮电大学 2012
[2]社会化媒体中用户生成内容的动因与激励设计研究[D]. 赵宇翔.南京大学 2011
[3]面向特定领域的互联网舆情分析技术研究[D]. 张长利.吉林大学 2011
[4]WEB文本挖掘中关键问题的研究[D]. 何慧.北京邮电大学 2009
硕士论文
[1]中文意见挖掘的特征提取与极性分析研究[D]. 翟永勇.合肥工业大学 2011
[2]中文产品评论的意见挖掘研究[D]. 严孙荣.北京交通大学 2010
[3]SNS（社会化网络服务）的发展现状及前景研究[D]. 吴景.湖南大学 2010
[4]中文意见挖掘中的特征词提取以及情感倾向分析[D]. 李存青.重庆大学 2010
[5]网络效应下的动态客户需求知识获取方法研究[D]. 谭琨.北京邮电大学 2010
本文编号：3420384
【文章来源】：武汉大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：160 页
【学位级别】：博士
【部分图文】：
图0.1中国网民规模和互联网普及率对比图
形式的信总(图像、语音等)也都【I丨以通过文本进行标注。肉此，木文要主要考虑文本型社会化媒体信息。于社会化媒体信息由网络终端川户直接产虫，因此，其屮贪了火量主观观点(Subjective Attitude),比如，丨丨j广的建议、需求、评价、疑f"媒体的广泛使用创造了海量的广生成内容，挖掘这些倍息巾川广观冇筑要的经济价值和社会价似。因此，越来越多的和纟」〖织己经>」上搜索信总来帮助其做出决走，全球著名的市场调研公1力Nilsen的研，如架把I?1K上网习惯归纳为一小时，K在社会化媒体上使川的吋问已经超过了视频类网站和门站的浏览吋成为网民获取“新途社，如間0.2所示，冋吋其研究报化?称，消费养在做出购买行为前，推恭的方:tl：外，42%的人会资阅W络对产,丨/|的丨平论，35%的人会到论息，社会化媒体网站、傅客等也都对奶费者的购买行为起勒一定的影.3所示。
图0.3社会化媒体对用户购买决策影响比例图可见，社会化媒体信息对人们进行决策制定提供了充足的信获取信息和知识的主要来源之一。但是，由于用户获取到的丰须对其进行人工检查和信息判断，才能做出综合决策，如果没和手段，就很容易造成“信息迷航”现象的产生。因此，在这些海量的检索结果进行信息的自动识别、情感分析以及用用户观点的凝练结果和综合分析的技术和方法。观点挖掘技术要手段。它基于文本挖掘(Text Mining)技术，又具有一定的nding)的能力，主要利用信息抽取、文本挖掘、自然语言处理评论文本中识别和获取有用的观点集合，并总结所有评论的，>1〈仅需要蹄选包含评价商品的特征词，还要提取评论句中词的语义倾向性。总起来说，观点挖掘技术的出现满足了用户
【参考文献】：
期刊论文
[1]产品评论挖掘可视化实验平台的开发[J]. 李爱清,何烁,郗亚辉. 河北大学学报(自然科学版). 2012(02)
[2]基于层次结构的多策略中文微博情感分析和特征抽取[J]. 谢丽星,周明,孙茂松. 中文信息学报. 2012(01)
[3]基于中文网络客户评论的消费者行为分析方法[J]. 邱云飞,王雪,邵良杉. 现代情报. 2012(01)
[4]网络舆情意见挖掘中极性词典构建和极性识别方法研究[J]. 曹树金,张学莲,陈忆金. 图书情报知识. 2012(01)
[5]社会化媒体发展现状及其趋势分析[J]. 王明会,丁焰,白良. 信息通信技术. 2011(05)
[6]微博传播力的本质:碎片化即时信息的整合力——以温州“7·23”动车事故为例[J]. 顾杨丽,吴飞. 当代传播. 2011(05)
[7]基于语义的情感挖掘系统的设计与实现[J]. 李纲,王忠义. 现代图书情报技术. 2011(Z1)
[8]产品评论挖掘研究综述[J]. 郗亚辉,张明,袁方,王煜. 山东大学学报(理学版). 2011(05)
[9]基于多结构特征的垃圾博客识别研究[J]. 何苑,谭红叶. 计算机工程与设计. 2010(22)
[10]挖掘中文网络客户评论的产品特征及情感倾向[J]. 李实,叶强,李一军,罗嗣卿. 计算机应用研究. 2010(08)
博士论文
[1]WEB观点挖掘中关键问题的研究[D]. 李思.北京邮电大学 2012
[2]社会化媒体中用户生成内容的动因与激励设计研究[D]. 赵宇翔.南京大学 2011
[3]面向特定领域的互联网舆情分析技术研究[D]. 张长利.吉林大学 2011
[4]WEB文本挖掘中关键问题的研究[D]. 何慧.北京邮电大学 2009
硕士论文
[1]中文意见挖掘的特征提取与极性分析研究[D]. 翟永勇.合肥工业大学 2011
[2]中文产品评论的意见挖掘研究[D]. 严孙荣.北京交通大学 2010
[3]SNS（社会化网络服务）的发展现状及前景研究[D]. 吴景.湖南大学 2010
[4]中文意见挖掘中的特征词提取以及情感倾向分析[D]. 李存青.重庆大学 2010
[5]网络效应下的动态客户需求知识获取方法研究[D]. 谭琨.北京邮电大学 2010
本文编号：3420384
本文链接：https://www.wllwen.com/xinwenchuanbolunwen/3420384.html
