面向用户在线评论的情感倾向分析

《面向用户在线评论的情感倾向分析》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、密级:保密期限:密级:保密期限:密级:保密期限:硕士学位论文题目：面向用户在线评论的情感傾向分析学号：2015110363姓名：刘_菲专业：信息与通信工程导师：吴晓非学院：信息与通信工程学院2018年03月14日中国■北京密级:保密期限:分f仰t大華硕士学位论文題目：面向用户在线评论的情感倾向分析学号：2015110363姓名：刘菲菲专业：信息与通信工程导师：吴晓非学院：信息与通信工程学院2018年3月14日BeuingUniversityofPostsandTelecommunicationsThesisforMasterDegreeTopic:EmotionalTenden

2、cyAnalysisofUserOnlineReviewsStudentNo.:2015110363Candidate:FeifeiLiuSubject:Supervisor:InformationandCommunicationEngineeringXiaofeiWuInstitute:_SchoolofInformationand_CommunicationEndneermsMarch14th2018独创性（或创新性）声明本人声明所呈交的论文是本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，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或

3、撰写过的研宄成果，也不包含为获得北京邮电大学或其他教育机构的学位或证书而使用过的材料。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。申请学位论文与资料若有不实之处，本人承担一切相关责任。关于论文使用授权的说明日期:日期:本人完全了解并同意北京邮电大学有关保留、使用学位论文的规定，即：北京邮电大学拥有以下关于学位论文的无偿使用权，具体包括：学校有权保留井向国家有关部门或机构送交学位论文，有权允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内容，有权允许采用影印、缩印或其它复制手段保存、汇编学位论文，将学位论文的全部或部分内容編入有关数据

4、库进行检索。（保密的学位论文在解密后遵守此規定）面向用户在线评论的情感倾向分析摘要媒体一直是引导消费者选择各类商品的方便高效的途径，随着互联网的蓬勃发展，媒体也在不断地发生变化，现如今互联网深刻的影响了消费者的消费行为模式。利用情感分析技术判断网站上的商品评论意见的褒贬态度，对于消費者及商家都有很重要的意义。在线商品评论方式包括文字与评分两种方式。评分虽然能够简单明了地表明己购用户的态度，但仅能粗略的表明消費者的情感傾向，而不同的用户对于评分标准的把握又存在很大差异，所以，若要精确的了解在线商品评论的情感傾向分布，文字评论情感分析是一项重要的工作本文旨在利用情感分析技术判断汽车

5、网站上的在线汽车评论意见的褒贬态度，得出情感极性程度分数，并综合用户评分，綜合计算评论分数。本文所做的工作及创新点如下：1.优化传统的基于情感词典进行情感分类的方法，计算在线汽车评论文本的情感极性程度分数。(1)借助依存句法分析（DependencyParsing，DP)分析句子中单词的语法关系，制定模板，采用规则匹配的方法简单有效的提取在线汽车评论文本中的商品属性词、情感评价词以及情感程度词三元組。(2)从已有的HowNet(HowNetKnowledgeDatabase)情感词典中抽取出情感词以及人工标注具体评论角度下部分情感词作为情感种子词，然后利用Word2Vec计算语

6、义相似度，依据情感种子词与候选词的语义相似度，对情感候选词进行情感极性分类，并为情感词赋予情感权重，构建汽车领域各评论角度下的情感词典。2.提出了一种基于机器学习的情感分类方法SCCDW(SentimentClassincationbyCombiningDependencyParsingandWord2Vec)，if算评论文本情感极性，与情感极性程度分数做比较，以修正情感词的情感权重。(1)基于依存句法分析提取存在语法关系的单词对作为特征，避免了最終用相同的向量表示具有相同单词但是语法结构不同的句子。(2)利用Word2VeC得到单词的离散向量并且使用K-means将单词离散向

7、量进行聚类，进行单词类别映射，降低向量的维度，同时保证低频特征的结构。最终用支持向量机等机器学习的分类算法进行情感分类，得到在线汽车评论文本的情感极性。1.实现基于评论文本情感的综合打分系统。结合SCCDW方法计算的情感极性以及计算出的情感极性程度分数，修正情感权重，计算评论文本情感极性程度分数并划分等级，综合用户打分计算在线汽车评论的评分。本文使用汽车之家网站上的在线汽车评论，通过实验对本文的方法进行了有效性的验证。实验結果表明，本文的方法能够有效的对在线汽车评论文本进行情感极性程度分析，