中文网络评论的产品特征提取及情感倾向判定

随着互联网和电子商务的发展,用户在购买或使用商品之后会在网络站点上发表对产品的评论,大量的产品评论中所包含的丰富信息,可以为生产厂商和用户提供重要的决策依据。基于文本的语义和语言分析,提出了从产品评论中提取用户关注的产品特征的方法,并根据用户的关注程度对产品特征进行排序;同时,根据观点词的极性值判定用户对产品特征的情感倾向以及情感倾向强度。本研究采用从互联网上获得的针对笔记本电脑的产品评论作为实验对象,实验结果初步证明该方法具有良好的准确率和召回率。     

挖掘中文网络客户评论的产品特征及情感倾向*

为探索中文客户评论中的产品特征及相关情感倾向的挖掘,以帮助生产商和服务商改进产品、改善服务,提高竞争力,提出采用基于Apriori算法的非监督型产品特征挖掘算法,结合监督型情感分析技术,实现对于评论中产品特征及其情感倾向的综合信息挖掘;并根据用户的关注权重将产品特征和情感倾向进行排列。采用几种从互联网下载的真实产品评论语料,对该方法进行了数据实验,实验结果初步验证了该方法的有效性。     

基于观点挖掘的笔记本电脑评论分析系统

主要以商业领域的需求和应用为背景,构建一个智能化的笔记本电脑评论分析系统.该系统对国内大型购物网站上非结构化、自由式的笔记本电脑评论文本进行情感倾向识别和产品特征归纳,实现了利用数据挖掘和商务智能的手段分析网络消费者对特定产品的反馈,帮助企业管理人员了解特定产品的市场需求、制定商业决策.实验结果证明该系统能够较准确的得出分类结果并归纳出产品特征.     

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。     

中文网络评论中提取产品特征的研究

大量的网络评论已经成为挖掘用户意见、改进产品质量的重要信息来源,而特征抽取作为后续分析的基础,直接影响到最终意见挖掘结果的准确性. 本文提出了一种PMI-Bootstrapping算法,并结合了语言规则实现中文网络评论的产品特征抽取. 首先利用语言规则产生候选特征集,计算每个候选特征与初始给定种子集的加权平均互信息,将满足阈值的候选特征添加到种子集中,如此循环迭代,直到种子集合收敛,输出排队后的种子集合作为抽取结果. 实验证明,该算法取得良好的准确率和召回率.     

中文软件评论挖掘系统的设计与实现

为了从用户评论中及时、准确的获取用户群体对软件及服务的满意度,从而发现用户期望,为软件的改进提供依据,实现了一个对中文软件评论进行情感倾向性分析的系统.系统从网络上收集软件的用户评论数据,通过无监督的方法识别出评论中的用户关注点和情感倾向,将结果以可视化的方式展现给开发者.通过在真实数据上的测试,表明了该系统的有效性.     

面向产品评论的意见挖掘研究综述

近年来,随着电子商务的快速发展,面向产品评论的意见挖掘研究受到国内外学者的广泛关注,成为学术界的研究热点之一.对产品评论进行意见挖掘,不仅能为用户购物提供决策支持,还可以帮助生产商对产品和服务进行改进,具有重要的研究意义.对面向产品评论的意见挖掘的研究现状进行归纳和总结.首先将该问题分为3个子任务:意见信息抽取、情感分析,意见归纳.然后基于国内外的研究进展对它们进行详细的介绍和分析.并讨论该领域其他一些值得关注的问题.     

中文评论中产品特征挖掘的剪枝算法研究

针对中文网络客户评论中的产品特征挖掘问题,提出一种基于Apriori算法的非监督挖掘方法。利用Apriori算法挖掘候选特征集合,设计邻近规则剪枝算法和最小独立支持度剪枝算法,并通过实验确定邻近规则距离值和最小独立支持度。实验结果表明,这2种剪枝算法均能有效提高产品特征挖掘的查准率和查全率。     

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。     

智能信息系统中手机产品评论的情感倾向分析

目前国内用户购买和使用大量不同手机产品。为帮助手机生产商识别用户评论的情感倾向、为其他潜在的手机用户提供手机产品购买建议,文中通过模块设计构建一个处理手机产品评论的智能信息系统,该系统用于挖掘和分析针对手机产品的评论信息。其中情感倾向分析是该系统的核心环节,因此文中研究并提出了一种基于条件随机场的针对手机产品的情感倾向识别方法,并通过采用多种实验手段寻找并验证该识别方法的有效性,从而完成对手机产品评论的高效、准确的自动识别。     

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。     

面向产品设计改进的在线评论挖掘

以竞争市场环境中的产品在线评论数据为研究对象,基于支持产品设计改进的视角,采用数据挖掘的方法与工具,开展面向产品设计改进的在线评论大数据分析研究。重点开展在线评论数据挖掘过程模型中的有用性建模和特征评价值情感分析。以某智能手机产品的在线评论数据为对象进行了实验,得到该产品各个属性的评价值,与更新换代后的产品属性进行比较,验证了此方法的有效性。     

用户评论中产品特征的抽取及聚类

在用户评论中蕴含了大量的产品特征和用户对这些特征的观点和态度.本研究提出了基于Apriori关联规则算法的产品特征抽取方法,利用与种子特征集合的互信息和与观点词的共现度对候选特征进行过滤;并提出了一种特征自动聚类方法,以特征词间的字符串相似度和语义相似度以及特征所对应的观点词作为衡量产品特征之间关联程度的特征,采用K-means聚类算法对产品特征进行聚类.本研究采用大众点评网对美食店铺的评论语料,对该方法进行了数据实验,实验结果初步验证了该方法有效性.     

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.     

情感倾向性分析及应用研究综述

在情感倾向性分析领域,关于情感的收集、分析和聚合等技术一直是近年来的关注热点。该领域的相关发展带动了各个子任务及其相关研究的大力发展。本文主要综述了面向情感的信息系统中使用的情感分析相关的需求,技术,应用以及评测方法等。在情报分析方面,存在许多不同于传统的主题分析的新需求,这就是对情感分析技术的强烈需求。接着,介绍了词级、句子级、段落篇章级等不同层次的情感分析技术。然后,还综述了采用情感分析技术的各种典型应用。最后,为了工作开展的便利,讨论了情感分析领域的词库资源、样本集资源、评测方法及重要会议等。     

客户评论中用户体验信息自动提取研究

客户评论在人们的日常生活中越来越重要,人们希望从客户评论中获取商品的用户体验信息.客户评论数量的急剧增长使得用户快速、精准地获取有用的信息变得较为困难.为此,提出一种能够自动提取用户体验信息的方法.该方法通过语义片段过滤评论中的冗余信息,提取产品特征词及特征描述词,将其结合组成用户体验信息,自动获取信息能够迅速、准确地从客户评论中提取信息.实验结果证明了该方法的有效性,并且能够保证较高的准确率与查全率.