论文部分内容阅读
意见文摘作为自然语言处理和意见挖掘领域的一个研究热点,其目标是将散落在不同意见文本中的各种意见信息聚集在一起,进而产生精简的文本摘要。意见文摘不仅在问答系统、意见信息检索等意见挖掘系统中扮演着重要的角色,而且在商业智能和推荐系统中也有着广泛的应用前景。本文面向汉语产品评论,探索意见文摘中的一些关键问题,主要包括解释性意见抽取、意见聚类和意见文本摘要生成等问题。具体地讲,本文将从以下三个方面展开研究:(1)多粒度的汉语解释性意见信息抽取。解释性的意见挖掘是意见挖掘中的一个新兴领域,其目标是发现意见表达的根本原因。为了获取解释性意见信息,本文分别从句子和短语两个粒度探讨了解释性意见抽取问题。具体地,我们将词向量作为特征整合到支持向量机中进行解释性意见句识别,并且进一步采用了一种弱监督的语义模式匹配算法来识别解释性意见句中具有解释性的文本片段。在手机和汽车两个领域的实验结果显示,本文提出的方法好于目前的state-of-the-art方法。(2)意见聚集及其在情感极性分类中的应用。意见聚集指将产品评论按某种属性聚集在一起。为了完成这个任务,本文首先从三个语言层面考虑相似度特征,即字面相似度、语义相似度和上下文相似度等。随后针对汉语意见聚集,本文又提出了一种两阶段的层次聚类算法。进一步地,为了避免情感分类在短文本中的数据稀疏问题,本文将之前聚集的属性簇用于情感极性分类,在支持向量机框架下,提出了一种基于属性簇的汉语情感极性分类框架。实验结果显示整合多种的相似度特征和属性簇的引入分别对意见聚集和情感极性分类都有很大作用。(3)汉语意见文摘生成。在解释性意见抽取和意见聚集的基础上,本文最后探讨了汉语产品评论中意见文摘生成问题。特别地,本文首先利用图排序算法在对属性簇内的意见句进行排序,然后通过最大间隔相关算法去除多余意见信息。最后,我们通过定义一些摘要模板,进而生成文本摘要。实验结果显示本文的方法可以生成可读性和概括性都较好的文摘。