情感組塊與機(jī)器學(xué)習(xí)相結(jié)合的文本傾向性分析.pdf

1、隨著虛擬社區(qū)這一新網(wǎng)絡(luò)團(tuán)體形式的出現(xiàn),各種論壇應(yīng)運(yùn)而生,這些論壇上充斥著人們對(duì)生活及周邊事物的評(píng)價(jià)和看法。在這些意見和和評(píng)論中,包含著說話人的主觀意見,表達(dá)了評(píng)論人的情感傾向。識(shí)別出其中帶有的情感傾向性,可以幫助我們更好的理解評(píng)論人的態(tài)度和立場(chǎng),為面向商家的產(chǎn)品反饋,面向政府管理的信息過濾、民意分析等提供信息技術(shù)的支持。因此,文本的情感傾向性分析成為解決這一問題的關(guān)鍵技術(shù),具有廣泛的應(yīng)用前景。
　　 采用機(jī)器自動(dòng)處理的手段對(duì)網(wǎng)絡(luò)

2、評(píng)論進(jìn)行情感分析判別,是當(dāng)前互聯(lián)網(wǎng)智能信息處理的一個(gè)研究熱點(diǎn),具有較大的實(shí)用價(jià)值。但由于網(wǎng)絡(luò)評(píng)論文本具有的特殊性,原有的文本情感分類方法不能獲得較為理想的效果。其主要原因在于:(1)網(wǎng)絡(luò)評(píng)論文本形式不規(guī)范,包含大量網(wǎng)絡(luò)用語,不能被正確分詞;(2)評(píng)論中包含對(duì)客觀事實(shí)的陳述,這些信息與情感分類無關(guān),會(huì)對(duì)最終的分類結(jié)果造成影響;(3)單純地提取評(píng)論中的主觀句,會(huì)丟失掉不以主觀形式出現(xiàn)但存在褒貶傾向性的信息。因此,如何有效地提取網(wǎng)絡(luò)評(píng)論文本中

3、的情感信息,是提高情感分類效果的關(guān)鍵。針對(duì)以上存在的問題,本文提出了一種將情感組塊與機(jī)器學(xué)習(xí)相結(jié)合的方法,對(duì)網(wǎng)絡(luò)評(píng)論文本的情感傾向性分析問題進(jìn)行了深入的研究,并將SVM算法應(yīng)用到情感傾向性分析系統(tǒng)中,在不同規(guī)模的軍事評(píng)論樣本集下進(jìn)行了實(shí)驗(yàn)。主要的研究工作有:
　　 (1)針對(duì)網(wǎng)絡(luò)評(píng)論中存在大量的形式不規(guī)范的網(wǎng)絡(luò)用語,導(dǎo)致原分詞軟件無法識(shí)別的問題,建立了網(wǎng)絡(luò)用語詞典,對(duì)評(píng)論文檔中出現(xiàn)的如拼音、縮寫等不規(guī)范詞語進(jìn)行有效還原,從而保證

4、了分詞的準(zhǔn)確性,也使得一些包含作者情感的信息不被丟失,進(jìn)而提高分類的正確率;
　　 (2)根據(jù)語料特征,建立了領(lǐng)域情感詞典,實(shí)現(xiàn)對(duì)原評(píng)論中的非情感信息進(jìn)行有效過濾,降低了無關(guān)信息對(duì)分類效果的影響;
　　 (3)提出情感組塊的概念,將那些具有褒貶傾向性的表達(dá)形式定義并標(biāo)記為情感組塊,作為情感特征提取,從而保證了情感信息能得到有效保留;
　　 (4)將情感組塊與支持向量機(jī)相結(jié)合,在不同規(guī)模的語料上先后進(jìn)行多組實(shí)驗(yàn),并