基于情感评价单元的商品评论分析研究

《基于情感评价单元的商品评论分析研究》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、南京大学申请硕士学位论文基于情感评价单元的商品评论分析研究作者：黄亿华专业：计算机应用技术研究方向：文本信息抽取指导教师：袁春风教授南京大学计算机科学与技术系2011年5月ResearchonProductReviewsAnalysisBasedonAppraisalExpressionPresentedByHuangYihuaSupervisedbyProf．YuanChunfengADISSERTATIONSUBMITTEDTOTHEDEPARTMENTOFCOMPUTERSCIENCEANDTECHNOLOGYOFNANJINGUNIVERSITYINCANDIDA

2、CYFORTHEDEGREEOFMASTERMay2011声明尸明本人声明所呈交的论文是我个人在导师指导下、在南京大学及导师提供的研究环境(含标明的项目资助)下作为导师领导的项目组项目整体的组成部分而完成的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。南京大学及导师所有权保留：送交论文的复印件，允许论文被查阅和借阅；公布论文的全部或部分内容；可以采用影印、缩印或其它复制手段保存该论文。学生签名：导师签名：日期：Declaration

3、ImakeadeclarationherethatthethesissubmittediscomposedoftheresearchingworkbYmyselfanditscorrespondingresearchingresultsfinishedasaconstituentpartofthewholeprojectintheprojectteamleadbymyadvisor．Thethesisiscompletedwiththeguidanceofmyadvisor,andundertheresearchingcn'cumstancesofferedbyNanji

4、ngUniversityandmyadvisor(includingtheprojectsupportindicated)．Thethesisdoesnotincludeotherpeople’Sresearchingresultseverpublishedorcomposed，exceptthatarespeciallyannotatedandacknowledgedsomewhereinthearticle．Anycontributionmadetotheresearchbymyworkingpartnersisdeclaredexplicitlyandacknowl

5、edgedinthethesis．NanjingUniversityandtheadvisorretainthecopyrightasfollows：submittingthecopiesofthethesis，allowingthethesistobeconsultedandborrowed；publicizingthewholeorpartofthethesis’content；keepingthethesisbyphotocopy,microcopyorothercopymethodS．AuthorSignature：AdvisorSignature：Date：摘要

6、摘要随着Web2．0的蓬勃发展，互联网倡导的“用户参与网站内容制造”理念已经深入人心，以博客、社交网站、微博为代表的Web2．0应用吸引了大部分用户，大量用户产生的信息使得互联网信息爆炸式的增长。在这些信息中，有这样一类文本，它们包含了大量的评论性信息，是用户购买商品前作为决策的重要依据，也是商家进行用户反馈分析的重要资料。这类评论性文本的数量庞大，内容组织不规范，垃圾信息多。为了来帮助人们快速有效的对这些文本进行分析，情感分析技术应运而生。评价对象抽取和极性分析是情感分析的两个核心任务。本文对这两个基本任务的方法进行了研究，并以商品评论文本作为对象，将分析任务分为情感评

7、价单元抽取和极性分析两部分，将商品的各个组成部分和各个属性作为特征，分析并统计商品每个特征的正面评价和负面评价数量，并最终展示给用户。本文的工作包括以下三个方面：(1)提出了一种基于GMCT的句法结构情感评价单元表示模式，并给出了相应的自动模式库构建方法。情感评价单元是商品评论的基本单元，它包括被评价对象和评价词。目前的情感评价单元抽取大多采用模式识别方法，并且使用扁平化的句法特征表示模式，用手工方法构建模式库。本文提出了一种新的基于GMCT的模式表示结构，它能够保留句法树的结构化信息，因而能更好的区分出噪声模式，得到更好的准