论文部分内容阅读
随着互联网的快速发展,网络评论呈现出爆炸式增长的趋势,已经成为挖掘消费者对产品或服务情感倾向的一个极具价值的资源。网络评论中的观点表达存在很大的灵活性和复杂性,而传统的观点挖掘方法则普遍存在挖掘粒度过大、无法有效地理解自然语言等不足。针对这些问题,提出两个基于句法分析和主题建模的细粒度观点挖掘模型,用于自动地从网络评论中挖掘领域特征词和观点词。首先,提出一种基于依存分析(Dependency analysis)的无监督方法来自动抽取评论中的评价表达模式(Appraisal Expression Pattern, AEP)。AEP用于表示领域特征词和观点词之间的语义关联,它是一种语言表达层面的与领域无关的语义信息,具有良好的领域适用性。其次,提出一种基于AEP的改进潜在狄利克雷分配(Latent Dirichlet Allocation, LDA)模型DLDA。DLDA模型是一个句子级别的概率产生式模型,它假设评论数据集由多个一一对应的领域主题和情感主题以及一个背景词主题组成。DLDA充分利用了AEP信息,实现了对领域特征词和观点词同步且高准确率地挖掘。然而,DLDA模型仅能够使用AEP信息,无法充分利用其他特征维度,因此具有较弱的特征可扩展性。最终,提出了基于最大熵模型(Maximum entropy)的改进DLDA模型,MLDA。MLDA是一个有监督的概率产生式模型,利用最大熵模型它可以融合多个句法特征,具有较强的特征可扩展性,但MLDA模型需要手工标注数据。论文在酒店、餐馆、MP3、数码相机领域进行了实验与对比分析。实验表明,DLDA在领域特征词提取、观点词提取、领域适用性方面均优于对比的无监督主题模型算法。而作为有监督的MLDA模型,在领域特征词抽取上亦优于经典的有监督算法0