基于Co-training的評價(jià)搭配抽取系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著Web2.0的迅猛發(fā)展,互聯(lián)網(wǎng)與人們的日常生活聯(lián)系越來越緊密。網(wǎng)絡(luò)已經(jīng)成為人們平時(shí)發(fā)表意見、交流經(jīng)驗(yàn)的主流平臺(tái),導(dǎo)致了互聯(lián)網(wǎng)上出現(xiàn)了大量消費(fèi)者的評論,其表現(xiàn)形式都是非結(jié)構(gòu)化的文本。不論對于消費(fèi)者還是企業(yè)這些評論都蘊(yùn)含著極其重要的價(jià)值信息,因此,僅通過人工閱讀,從海量評論中快速、有效地找出人們評論的對象及其觀點(diǎn)或態(tài)度,將會(huì)花費(fèi)大量的人力資源。為了從細(xì)粒度的角度,獲取評論中的評價(jià)對象、評價(jià)詞及其評價(jià)搭配,本文設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)自動(dòng)抽取評價(jià)

2、搭配的系統(tǒng)。主要內(nèi)容如下:
　　(1)利用條件隨機(jī)場模型(CRF),設(shè)計(jì)了協(xié)同訓(xùn)練算法(Co-training),該算法首先設(shè)計(jì)將詞特征、詞性特征以及上下文特征劃分為兩個(gè)互不相交的特征集,然后利用人工標(biāo)注了少量的評價(jià)對象、評價(jià)詞的數(shù)據(jù)作為訓(xùn)練集,訓(xùn)練CRF模型,再參考得到的兩個(gè)測試結(jié)果,選出其中含有標(biāo)注相同詞的句子,將測試結(jié)果中大于特定閾值的詞在句子中標(biāo)注后添加到訓(xùn)練集中。通過不斷地循環(huán),得到更大規(guī)模的標(biāo)注了評價(jià)對象、評價(jià)詞的訓(xùn)練

3、集。在此基礎(chǔ)上,對大量未標(biāo)注語料標(biāo)注評價(jià)對象、評價(jià)詞。
　　(2)評價(jià)搭配是將評價(jià)對象與評價(jià)詞進(jìn)行搭配。本文采用近鄰法,考慮了否定詞對極性的影響。其中,評價(jià)搭配格式為<評價(jià)對象,評價(jià)詞,極性>。
　　(3)采用C/S模式,設(shè)計(jì)三個(gè)功能模塊,分別為:評價(jià)對象抽取、評價(jià)詞抽取以及評價(jià)搭配抽取模塊。在此基礎(chǔ)上,利用Java語言,借助CRF工具包,實(shí)現(xiàn)了從大量評論信息中快速、有效地抽取評價(jià)搭配。該系統(tǒng)可以減少人工參與,在很大程度上節(jié)