領域自適應的中文情感分析詞典構建研究.pdf

1、隨著Web2.0的迅猛發(fā)展,用戶在互聯(lián)網上的行為發(fā)生了巨大的改變,越來越多的人們在互聯(lián)網上表達個人觀點,由被動的接受信息轉為參與創(chuàng)建互聯(lián)網資源,由此互聯(lián)網信息量的爆炸式劇增使得單純依靠人工的方法收集和整理信息已遠不能滿足越來越多的需求。因此,如何從海量的互聯(lián)網信息中自動挖掘和整理主觀性信息尤為重要,情感分析任務應運而生。
　　情感分析是自然語言處理領域的一個重要話題,旨在對無結構的主觀性文本進行分析、處理和歸納,最終形成方便機器理

2、解和用戶使用的結構化數據。情感分析是一個多學科綜合的研究領域,內容涉及多層語言分析技術,按照處理文本粒度的不同可以將情感分析分為篇章級、句子級和詞語級。情感詞是情感分析的重要組成部分,很多上層情感分析任務如篇章級、句子級和評價搭配識別等都需要情感詞典的支持,構建高質量的情感詞典對情感分析尤為重要。而由于不同領域的情感表達方式不同,甚至有可能同一個詞語在不同領域表達相反的極性,很難構建一個復雜的情感詞典滿足所有要求。
　　本文提出了

3、一種基于半指導方法的情感詞典構建框架,算法流程共包括3個步驟,分別是情感詞種子的獲取、構建語義圖和計算情感分值。其中情感詞種子通過大規(guī)模用戶評論數據進行自動獲取;語義圖的構建依賴于外部的語義資源,如同義詞詞林;我們分別嘗試了Topic-SensitivePageRank和標簽傳播算法計算情感分值。此外,本文還嘗試結合有指導學習方法和隨機最小割算法進行情感詞語極性識別,實驗結果表明,隨機最小割算法可以有效提高情感極性識別效果。
　　

4、在此基礎上,本文在提出了基于統(tǒng)計分析的領域情感分析詞典構建方法,主要流程包含領域評價對象抽取、領域情感詞語抽取和情感詞語的極性識別。其中領域評價對象抽取模塊我們使用了統(tǒng)計分析的方法;情感詞語抽取模塊以情感路徑的方式表達情感詞語和領域評價對象之間的關系,并使用句法路徑構建情感路徑模版;最后對情感詞語進行極性識別。
　　最后,本文設計并實現了領域自適應的情感分析詞典抽取平臺SWMine,主要包括領域評價對象抽取、領域情感詞語抽取和情感