基于句法分析和主題建模的細(xì)粒度觀點(diǎn)挖掘模型研究.pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展，網(wǎng)絡(luò)評論呈現(xiàn)出爆炸式增長的趨勢，已經(jīng)成為挖掘消費(fèi)者對產(chǎn)品或服務(wù)情感傾向的一個極具價值的資源。網(wǎng)絡(luò)評論中的觀點(diǎn)表達(dá)存在很大的靈活性和復(fù)雜性，而傳統(tǒng)的觀點(diǎn)挖掘方法則普遍存在挖掘粒度過大、無法有效地理解自然語言等不足。針對這些問題，提出兩個基于句法分析和主題建模的細(xì)粒度觀點(diǎn)挖掘模型，用于自動地從網(wǎng)絡(luò)評論中挖掘領(lǐng)域特征詞和觀點(diǎn)詞。
　　 首先，提出一種基于依存分析(Dependency analysis)的無監(jiān)督方

2、法來自動抽取評論中的評價表達(dá)模式(Appraisal Expression Pattern，AEP)。AEP用于表示領(lǐng)域特征詞和觀點(diǎn)詞之間的語義關(guān)聯(lián)，它是一種語言表達(dá)層面的與領(lǐng)域無關(guān)的語義信息，具有良好的領(lǐng)域適用性。其次，提出一種基于AEP的改進(jìn)潛在狄利克雷分配(Latent Dirichlet Allocation，LDA)模型DLDA。DLDA模型是一個句子級別的概率產(chǎn)生式模型，它假設(shè)評論數(shù)據(jù)集由多個一一對應(yīng)的領(lǐng)域主題和情感主題以及

3、一個背景詞主題組成。DLDA充分利用了AEP信息，實(shí)現(xiàn)了對領(lǐng)域特征詞和觀點(diǎn)詞同步且高準(zhǔn)確率地挖掘。然而，DLDA模型僅能夠使用AEP信息，無法充分利用其他特征維度，因此具有較弱的特征可擴(kuò)展性。最終，提出了基于最大熵模型(Maximum entropy)的改進(jìn)DLDA模型，MLDA。MLDA是一個有監(jiān)督的概率產(chǎn)生式模型，利用最大熵模型它可以融合多個句法特征，具有較強(qiáng)的特征可擴(kuò)展性，但MLDA模型需要手工標(biāo)注數(shù)據(jù)。
　　 論文在酒店