挖掘产品信息的变异表达

《挖掘产品信息的变异表达》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、重庆科技学院本科生毕业设计中文摘要摘要用户在表达情感时，有时会对多个特征表示出相同的情感，如对一个产品的不同部件都表示认同或者对一个部件发出多种情感态度，这些变异的表达在通用的挖掘方法中无法获得，但这些表达又是极其重要的，因为这些表达是用户经常使用的。中文评论特征与情感的变异表达分析中，通过已经获得的产品特征词和情感词，把在一个情感词后而在另一个情感词前的所有特征都可以挖掘出来，这些特征就是用户所关注的内容并且是通过同一个情感词进行修饰的。本文采用半监督学习方法对产品评论中的产品特征和情感词同时进行抽取，保留了产品特征与情感词的对应关系，并通过获取的产品特征词和多情感词对评论中的多特

2、征和多情感的情况进行了处理。关键词：监督学习变异表达挖掘方法I重庆科技学院本科生毕业设计英文摘要AbstracttheUsersintheexpressionofemotion,sometimesformultiplefeaturesshowedthesameemotions,suchasaproductofthedifferentpartsofacomponenttoagreeoremotionalattitude,avarietyofthesemutationsinthegeneralexpressionoftheminingmethod,buttheexpressionisve

3、ryimportant,becausetheyareoftenusebyuser.Chinesecharacteristicsandthevariationofemotionalcommentsexpressanalysis,theproducthasobtainedthroughinformationandemotionalwordsinanemotionalwords,afteranotheremotionalwordsinallcandigoutthesefeaturesisconcernedcontentandcustomersthroughthesameemotionalw

4、ordismodified.Basedonasemi-supervisedlearningmethodofproductreviewsproductcharacteristicandemotionalwordsimultaneouslyextracting,retainedproductfeaturesandemotionalwords,andthroughthecorrespondingrelationofproductinformationandmoreemotionalwordstocommentonthefeaturesandmoreemotionalsituations.K

5、eywords:learningsupervision；variationexpress；miningmethodII重庆科技学院本科生毕业设计目录目录中文摘要I英文摘要II1绪论11.1研究背景11.2国内外现状11.3产品评论文本与普通文本之间的区别21.4系统开发平台介绍31.5评论语料库使用的现状31.6产品评论获取技术及应前景41.7评论挖掘方法介绍41.8本文的主要工作及目的52挖掘产品特征和情感的变异表达详细设计72.1问题的提出及相关研究72.2从产品评论中进行特征和情感变异表达挖掘的基本思路92.3线性模型及在特征与情感的变异表达挖掘中的应用102.4Bootstr

6、apping半监督学习方法132.5评论中的多特征识别算法172.6评论中多情感识别算法192.7Bootstrapping半监督学习方法的利弊分析212.8本章小结223系统测试233.1程序运行测试233.2可能遇到的技术困难243.3测试小结24总结25参考文献27致谢29重庆科技学院本科生毕业设计1绪论1绪论1.1研究背景随着Internet的飞速发展，庞大的Web资源日益演变为人们获得知识与信息的重要来源。与此同时，由于Web资源的迅速膨胀以及Web信息的分散性与随意性，用户很难通过便捷的方式快速准确地从Web上获取所需的信，每天必须花上大量的时间与精力到各个网站上去浏览并

7、挑出有效的信息。因此，如何快速有效地对Web信息进行分类和索引以提供面向用户的快速检索访问成为一项重要的研究课题。对网络上的产品评论进行挖掘主要是使用现有的文本挖掘技术，文本挖掘（TextMining）是数据挖掘的一个研究分支[3]，用于基于文本信息的知识发现。数据挖掘是揭示存储在数据库中的结构化数据的数值属性之间的关系，而文本挖掘则是分析和发现大量非结构化文本中的关系，研究的关键在于文本内容的量化表征。文本挖掘利用智能算法，结合文字处理技术，如文本切分、