基于属性商品评论情感挖掘研究

《基于属性商品评论情感挖掘研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、AThesisSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringResearchproductreviewsemotionsminingbasedattributeCandidate:HuXingyunMajor:ComputerApplicationTechnologySupervisor:ProfessorTongMinHuazhongUniversityofScienceandTechnologyWuhan,Hubei430074,P.R.ChinaJanuary26,2013独

2、创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本

3、学位论文。保密□，在____________年解密后适用本授权书。本论文属于不保密□。（请在以上方框内打“√”）学位论文作者签名：指导教师签名：日期：年月日日期：年月日华中科技大学硕士学位论文摘要电子商务的迅速发展使得越来越多的用户喜欢在网上购买商品，用户在购买商品时通常喜欢参考别的用户对该商品的评论，来判断该商品是否适合自己。目前很多电子商务网站都有商品总体情感倾向的分析，但是用户在购买商品时通常喜欢根据自己感兴趣的属性判断某件商品是否适合自己。论文以商品的评论文本为研究对象，研究了构造基于属性的商品评论挖掘系统所需要的工作和关键技术，包括评论文本预处理、商品属性提取与关联、属性级的情感倾

4、向性分析与结果展示。探讨了使用词典与统计相结合的算法对评论文本分词，使用维特比算法查找隐马尔科夫模型最优路径的方法对分词后的评论文本进行词性标注。实验结果表明改进后的分词算法能取得较高的性能，使用学习后的词典相比学习前的词典能取得更高的查准率。使用改进的关联规则算法和相应的三种剪枝规则来提取商品的频繁属性,关联属性词与观点词，来提高处理速度。实验结果表明改进后的关联规则算法执行速度比未改进的快。设计基于属性的评论情感分析和评级方法，将情感按照正负向和强弱程度分为五个级别，并通过实验结果验证该算法的可行性并计算准确率。关键词：维特比算法，隐马尔科夫模型，关联规则，剪枝规则，情感分析I华中科技大

5、学硕士学位论文AbstractBecauseoftherapiddevelopmentofe-commerce,moreandmoreusersprefertobuygoodsonline,andtheyprefertobuygoodsrefertotheotherusers’reviewstodetermineifthegoodssuitabilityornot.Currently,manye-commercesiteshaveanoverallemotionaltendenciesanalysisofthegoods.,butusersmorelikelytochoicethegoods

6、accordingtothegoodsproperties.Studyforgoods’reviews,weresearchthetechnologieswhichneedtoconstructthereviewsemotionsminingsystem,includingtextpreprocessing、goodspropertiesextractionandassociation、propertylevelemotionaltendencyanalysisandanalysisshows.Connectiondictionaryalgorithmandstatisticalalgori

7、thmtosegmentation,andusingtheViterbialgorithmtofindtheoptimalpathofthehiddenMarkovmodeltotag.Theexperimentalresultsshowthattheimprovedsegmentationalgorithmcanachieveahigherperformancecomparedtobeforeandachi