基于最大熵方法的评论信息抽取研究

论文摘要

互联网技术的不断更新带动了电子商务业务的高速发展。信息技术已经渗透到人们生活的各个角落。随着网络购物理念逐渐普及,消费者不仅可以足不出户地在网上挑选、购买商品,而且可以随时发表评论与他人分享购物经验,因此用户评论信息成倍地增长。然而大量的用户评论信息让产品制造商和潜在购物者都很难跟踪用户对产品的意见和建议。研究如何快速、准确地从海量的信息中获取有用的资源并进行处理的工作日益受到人们的重视,用户评论信息抽取的研究已成为目前研究的热点。本文在研究了国内外相关的理论及应用现状的基础上,针对目前互联网的信息与日俱增,而用户评论信息利用率很低的现状,提出了一种基于最大熵分类器进行评论信息抽取的方法,并结合自然语言处理技术,利用同义词林以及反义词林定位产品评论属性值的语义极性,从而判断用户评论信息的褒贬性。随后,通过实验验证了评论信息抽取方法的可行性和有效性。在以往的评论信息抽取研究中的研究对象大多从主题,文本甚至是词汇、短语的角度来对用户评论信息作抽取判断。本文尝试着从产品属性角度着手,来研究被评论的产品的特征属性及属性值之间的关系,并结合中文语义进行情感倾向性分析。本文的研究意义在于运用自然语言处理技术以及信息抽取技术提高了用户评论信息的利用率以及应用范围,利用该方法结合电子商务服务功能给予购买者以直接的信息导购,进而提高了网络搜索引擎的性能,对于网络个性化服务系统的改进与更新具有一定的商业实用价值。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 用户评论信息抽取研究的目的以及意义
• 1.2 信息抽取
• 1.2.1 信息抽取与信息检索
• 1.2.2 信息抽取技术的历史与发展
• 1.3 情感倾向性分析
• 1.3.1 情感倾向性研究
• 1.3.2 情感倾向性研究的应用领域
• 1.4 本文的研究内容及创新点
• 1.5 论文的组织结构及其章节安排
• 第二章 基于最大熵方法的用户评论信息抽取
• 2.1 基于最大熵方法的用户评论信息抽取及极性判定
• 2.2 产品属性抽取
• 2.3 评论属性值抽取
• 2.4 评论属性值极性判定
• 2.5 本章小结
• 第三章 评论属性值抽取
• 3.1 汉语内涵语义研究
• 3.2 结构化信息抽取
• 3.2.1 结构化信息抽取的主要方法
• 3.2.2 模版处理的应用领域
• 3.2.3 基于模板的抽取属性
• 3.3 自然语言处理分类方法
• 3.4 最大熵方法
• 3.4.1 最大熵方法的应用实例
• 3.4.2 最大熵模型框架
• 3.4.3 特征值
• 3.5 实验与分析
• 3.5.1 实验步骤
• 3.5.2 实验分析
• 3.6 本章小结
• 第四章 评论属性值极性判定
• 4.1 情感分类技术
• 4.2 评论属性值的情感分类
• 4.2.1 原始种子集以及测试集的建立
• 4.2.2 语料库与分词系统
• 4.2.3 同义词林及反义词林
• 4.3 实验与分析
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 本文工作回顾
• 5.2 成果及意义
• 5.3 商业应用领域
• 5.4 存在的不足和未来工作展望
• 致谢
• 参考文献
• 作者攻读学位期间发表的论文