面向网络的用户观点评价报告的自动生成研究

论文摘要

随着电子商务越来越受欢迎,网络上的产品评论数量获得快速增长。对于一个流行的产品,评论数量可以达到成千上万条。这使得一个潜在客户很难通过阅读这些评论来制定他们的购买策略。也使得产品的生产企业很难对客户意见进行跟踪和管理。本文将对网络上的用户评论进行挖掘并且生成情感报告。我们只关注用户表达了情感的产品属性,因此本文提到的情感报告不同于传统的自然语言中的文本摘要。为了进行属性的自动抽取和用户观点的挖掘,本文构建了用于产品属性抽取及其用户观点挖掘的资源库,主要包括程度修饰词资源,否定词资源、第一人称代词资源,语气助词资源,感觉词资源,结构词资源和情感词资源。这些资源都是通用的资源,而不是针对具体领域构建的资源,其中在情感词的构建中,提出了基于模板打分的属性摇摆词词对资源构建,有效解决了极性不确定的情感词对情感分析的影响。近年来,研究者提出了许多产品属性抽取的方法,常见的有基于模板的方法和基于统计的方法。本文分析了这两种方法的不足,提出了基于模板自动生成的产品属性的抽取方法。首先使用名词、名词短语和特殊位置的动词、动名词结构获取候选产品属性；继而结合词频信息和停用词表对候选产品属性进行过滤；然后基于自动生成的模板打分进行筛选；最后,我们还对属性进行了分类,把产品属性分为主从属性和单属性。在这一阶段,我们还尝试了新词的发现及新词中属性的识别。本文根据不同类型观点句的特征,采用不同的意见挖掘技术进行属性情感分析。对于普通的评论句,我们根据属性词和情感词的不同而采用不同的策略进行情感倾向性判定。情感分析主要有两种方法：基于情感词标注的情感分析和基于机器学习方法的情感分析,由于基于机器学习的方法需要大量的标注语料,并且领域可移植性比较差,结合基于情感词标注的情感分析,本文提出了基于属性情感词词对的情感分析方法,并提出了基于情感句模板的无情感词评论句的情感分析,在处理含有否定词的评论句时,本文提出了否定转移算法。报告生成阶段,本文提出了基于属性层次的情感分析报告,通过对产品属性以及该属性的子属性的情感极性的总结生成最终的情感报告。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.2.1 产品属性提取的研究现状
• 1.2.2 情感分类的研究现状
• 1.2.3 主观性分类的研究现状
• 1.2.4 词的极性分类的研究现状
• 1.2.5 基于产品属性的情感挖掘和报告生成研究现状
• 1.3 本课题的提出
• 1.4 本文组织结构
• 第2章 相关技术的介绍
• 2.1 产品属性的抽取
• 2.1.1 产品属性的定义
• 2.1.2 产品属性抽取的技术
• 2.2 情感分析
• 2.3 词的极性分类方法
• 2.4 基于产品属性情感报告生成
• 2.5 模板介绍
• 2.6 评价方法
• 2.7 本章小结
• 第3章 资源构建
• 3.1 情感词极性修饰词资源构建
• 3.2 评论中通用资源构建
• 3.2.1 第一人称代词资源的构建
• 3.2.2 结构词资源的构建
• 3.2.3 语气助词资源的构建
• 3.2.4 感觉词资源的构建
• 3.3 不可扩展词资源的构建
• 3.4 疑问词资源
• 3.5 情感词典构建
• 3.5.1 基础情感词
• 3.5.2 摇摆情感词
• 3.6 隐含属性情感词库构建
• 3.7 本章总结
• 第4章 产品评论的情感分析和报告生成
• 4.1 研究目标
• 4.2 总体设计
• 4.3 产品评论语料预处理
• 4.3.1 中文产品评论语料的特点分析
• 4.3.2 产品评论语料搜集与预处理
• 4.4 产品属性自动提取
• 4.4.1 抽取候选产品属性
• 4.4.2 过滤候选产品属性
• 4.4.3 生成优质模板
• 4.4.4 产品属性选择
• 4.4.5 抽取新词和固定搭配
• 4.4.6 判定新词和固定搭配是否是属性
• 4.4.7 产品属性分类
• 4.4.8 最终产品属性生成
• 4.5 产品属性情感倾向性判断
• 4.5.1 属性情感词词对的抽取
• 4.5.2 评论句分类
• 4.5.3 属性的情感倾向性判定
• 4.5.4 否定词处理
• 4.5.5 情感词极性强度的计算
• 4.5.6 普通句中产品属性极性强度的计算
• 4.6 情感报告生成
• 4.7 本章总结
• 第5章 实验及结果分析
• 5.1 实验数据准备
• 5.2 产品属性抽取的实验及结果
• 5.3 产品属性的情感分析实验及结果
• 5.3.1 摇摆情感词实验及结果分析
• 5.3.2 属性情感词词对抽取实验及结果分析
• 5.3.3 否定极性转移实验及结果分析
• 5.3.4 产品属性情感分析实验及结果分析
• 5.4 报告生成的实验及结果
• 5.5 本章总结
• 第6章 结论
• 6.1 本文的结论
• 6.2 未来的研究方向
• 参考文献
• 致谢
• 攻读硕士学位期间参加的科研项目