一种产品评论信息的意见挖掘技术研究

存在于网上商城的大量的产品评论数量在以惊人的速度增长,并成为文本挖掘研究的一个新兴热点.由于中英文语言本身的不同,我们需要将汉语评论意见挖掘作为一个单独的领域来研究.在前人研究的基础上介绍了一种新的情感分类方法,第一次提出了将主观性意见语句分为以下三类:强极性主观性意见语句,依赖上下文语境的弱极性主观性意见语句,第三类...     

片段评论文本的意见倾向分类技术研究

针对片段评论文本信息琐碎、片段出现的特点,将文本分类技术应用在对片段评论文本进行分类的研究上,采用了基于主题特征和句子结构的片段文本倾向分类技术。最后,对片段评论文本意见信息进行了倾向性分类实验,并尝试对意见摘要的研究。     

中文产品评论结构化引擎

为实现网络上非领域相关的中文产品评论信息的搜索及结构化,设计并实现中文产品评论结构化引擎,该引擎通过抓取网络上指定产品的评论,抽取评论中的特征与意见,判断意见的极型,将评论以（特征,意见,极型）的结构化形式输出给用户。其中特征意见抽取解决了产品隐形特征抽取问题。实验结果表明该引擎的特征意见召回率与准确率、意见极型判断准确率等指标可以满足用户需要。     

基于模板的中文人物评论意见挖掘*

使用基于模板的方法对中文人物评论语句进行意见元素挖掘,提取出句中所含的评价对象、评价词语,并分析出意见的倾向性。进行了中文人物评论语句的自动意见挖掘实验,实验中首先建立了一定数量的熟语料库,然后从语料库中生成意见模板,最后用生成的模板来提取语句的意见元素。实验获得了72.55%的F-score,表明该算法是有效的。     

中文网络评论的IT产品特征挖掘及情感倾向分析

为探索中文客户评论中的IT产品特征及相关情感倾向的挖掘,帮助IT生产商和服务商提高改进产品和服务质量,提高竞争力。该文将采用情感分析技术,提出基于客户感知价值的产品特征挖掘算法,实现对于评论中IT产品特征及其情感倾向的语义分析、动态提取和综合信息挖掘;并根据用户的关注权重将产品特征和情感倾向进行排列。采用从互联网下载的真实IT产品评论语料中进行实验,初步验证了该方法的有效性。     

产品评论挖掘技术现状概述

目前产品评论挖掘问题主要分为以下四个任务:网络评论中产品特征词的挖掘;网络评论中用户观点词的挖掘;对评论观点词的极性判断和强度判断;对挖掘结果进行排名。目前国内外对评论挖掘的研究主要集中在前三个任务。     

中文产品评论的维度挖掘及情感分析技术研究

产品评论通常会描述产品的多个属性维度,单条评论中所描述的多个维度可能会有不同的维度情感。现实中,用户对产品不同的属性维度的关注度也不相同。反映到评论情感分析中,用户关注度越大的产品维度对评论的整体情感的影响也会越大。细粒度的评论维度挖掘和维度情感分析可以提供很多有价值的市场反馈信息和用户偏好信息。针对电商平台的中文产品评论文本,首先使用规则法抽取产品评论中所描述的维度信息,然后分别针对各个维度计算维度情感。进一步,提出了维度权重计算方法。最后,综合维度情感和维度权重计算评论的整体情感。使用来自于京东商城的真实评论数据集对所提方法进行了综合验证。实验结果表明,所提方法在维度挖掘、维度情感分析、维度权重计算以及整体情感分析方面具有很好的性能。     

网络意见挖掘、摘要与检索研究综述

网络上带有人的主观感情色彩的评论性文本反映了人们的意见、态度和立场,因而具有很大的利用价值.信息挖掘技术针对这些主观文本进行处理,获得有用的意见、结论和知识.首先介绍了意见挖掘出现的背景和应用意义,然后从词汇情感极性识别、粗粒度的情感分类、细粒度的意见挖掘与摘要、意见检索和相关语言资源与系统5个方面综述了研究历程和现状,最后总结了研究难点与研究趋势.     

苏州园林网络评论意见挖掘研究

对抓取的苏州园林网络评论进行意见挖掘,基于词、词性和句法模式利用CRF模型抽取评论句中的评价对象,利用SVM分类算法对评论句中蕴含的情感进行分类,获得了较为理想的实验结果,表明所采用的算法较为有效,有一定的实用价值。进一步,基于评论意见挖掘结果,对苏州园林中的5个典型园林主要从整体用户情感倾向判断和寻找园林特质这两方面进行分析探讨,揭示意见挖掘的重要应用价值。     

基于BERT的端到端旅游评论意见挖掘方法

近年来,随着旅游类互联网产品的兴起,网络上产生了大量针对目的景点的主观评论,使用深度学习算法对相关评论进行意见挖掘,帮助游客快速了解景区特点并为旅游监管提供依据,已然成为一个新的趋势.如何将细粒度意见挖掘方法,如方面级情感分析,应用到旅游评论中,成为一个迫切需要解决的问题.针对上述问题,结合方面级情感分析中意见词抽取和...     

面向酒店评论的情感分析模型

提出一种基于文本特征的专门面向酒店评论领域的情感分析模型,通过构建酒店评论领域专用情感词典,并结合酒店评论的句式特征、语法特点,解决了通用情感分析模型应用在酒店评论领域时,情感匹配不全面,情感值计算不精确等问题.本文实验结果表明,基于文本特征的情感分析模型能对酒店评论情感分析取得较好的分类效果.     

细粒度意见挖掘中维吾尔语文本情感分析研究

传统的情感分析研究通过分析, 确定词语、句子或篇章的情感, 但忽略了情感表达的主题。针对这一不足, 该文提出了一种基于双层CRFs模型的细粒度意见挖掘中维吾尔语意见型文本陈述级情感分析方法。第一层模型识别意见型文本中的主题词和意见词, 确定意见陈述的范围, 并将识别结果传递给第二层模型, 将其作为重要特征之一, 用于陈述级情感分析。细粒度意见挖掘中情感分析的目标是构建<意见陈述, 主题词, 意见词, 情感>四元组。该方法用于维吾尔语陈述级情感分析的准确率为77.41%, 召回率为78.51%, 证明了该方法在细粒度意见挖掘中情感分析任务上的有效性。     

文本情感倾向分析

近年来,文本情感倾向研究受到研究界和企业界越来越多的关注,成为了自然语言处理、信息检索、数据挖掘等领域的研究热点之一。随着研究的不断深入,大量情感倾向分析的新方法、新问题也不断涌现。该文重点对文本情感倾向研究的前沿进展进行概括和分析。首先,结合近年来的研究成果,对文本情感倾向分析的两类主要问题进行了定义,并归纳了不同的倾向性表示方法。接下来,对倾向性分类、倾向性信息抽取、语料库与评测以及倾向性分析应用等方面的研究现状进行介绍。最后,总结了情感倾向性分析技术并对未来的发展进行了展望。由于国内对于文本情感倾向分析的研究起步较早,在一些问题的研究上处于国际前沿水平,已经发表了许多高水平论文,该文也将对此加以介绍。     

Expert Recommendations Based on Opinion Mining of User‐Generated Product Reviews

In this article, we introduce the idea of expert recommendations whose objective is to relate review comments with users’ tasks or expectations. We propose to use fine‐grained information such as opinions and suggestions extracted using natural language processing techniques from user reviews about products, to improve a recommendation system. While typical recommender systems compare a user profile with some reference characteristics to rate unseen items, they rarely make use of the content of reviews that users have provided on a given product. In this article, we present the application of an opinion extraction system to extract opinions and suggestions from the content of the reviews, the use of the results to compare other products with the reviewed one, and eventually the recommendation of better products to the user. The recommendations are given a confidence weight by using a trust social network.     

基于RS-SVM的网络商品评论情感分析研究

网络商品评论情感分析对网络购物用户的决策有着重要的帮助,因此,分类准确性的提高一直是网络商品评论情感分析研究关注的重点问题之一。近些年,集成学习理论是提高分类精度的一种有效途径,并已有研究将Bagging、Boosting引入网络商品评论的情感分析领域,但对于Random Subspace集成学习方法关注相对较少。为此,本研究根据网络商品评论情感分析问题的高维度数据特征,提出一个新的网络商品评论情感分析方法RS-SVM。该方法以集成学习中的Random Subspace为基础,选取目前在情感分析领域广泛应用的SVM作为基学习器,通过集成Random Subspace较强的学习能力,进一步提高网络用户评论情感分析的准确程度。最后,在网络商品评论情感分析经典数据库Movie Reviews上进行了实验,结果表明RS-SVM取得了比其它分类器都好的实验结果。     

基于SVM和LSTM两种模型的商品评论情感分析研究

随着网购的盛行,商品评论数量急剧增长,内容也越来越五花八门。如何高效挖掘处理这些评论是一件非常有价值的事情。对商品评论做情感分析是关于这些评论研究的一个重要方向。现阶段在情感分析研究中最常用的有基于机器学习的方法和基于情感知识分析的方法。本文主要采用机器学习中的SVM方法和深度学习中的LSTM方法分别对从京东网站爬取的商品评论进行模型搭建,然后对比分析。由于LSTM能够保持长期的记忆性,它很好地克服在SVM分类中每个句子的词向量求平均丢失了句子词语之间的顺序信息的缺点,保留了词与词之间的语义信息(如词序信息、上下文信息等),并且通过复杂的非线性计算更好地提取词向量中隐藏的情感信息。因此使用LSTM方法准确率比SVM方法提高不少,在情感分析上表现出非常好的效果。     

多模态情感分析研究综述

多模态情感分析现已成为自然语言处理领域的核心研究课题之一.文中首先介绍多模态情感分析的研究背景,归纳该领域最新的两类子课题,即叙述式多模态情感分析与交互式多模态情感分析.再分别以这两类子课题为出发点,梳理概括相应的发展脉络,最后,总结目前该领域中存在的交互建模的科学问题,探讨未来发展方向.     

文本意见挖掘综述

意见挖掘是针对主观性文本自动获取有用的意见信息和知识,它是一个新颖而且十分重要的研究课题。这种技术可以应用于现实生活中的许多方面,如电子商务、商业智能、信息监控、民意调查、电子学习、报刊编辑、企业管理等。本文首先对意见挖掘进行了定义,然后阐述了意见挖掘研究的目的,接着从主题的识别、意见持有者的识别、陈述的选择和情感的分析四个方面对意见挖掘的研究现状进行了综述,并介绍了几个成型的系统。此外,我们针对汉语的意见挖掘做了特别的分析。最后对整个领域的研究进行了总结。