基于比较句的网络用户评论情感分析-haopeng.pdfVIP

研究论文 基于比较句的网络用户评论情感分析* 彭 浩 1 徐 健 1 肖 卓 2 1( 中山大学资讯管理学院 广州 510006) 2( 中山大学图书馆 广州 510275) 摘要: 【目的 】为帮助企业识别竞争产品, 挖掘有价值的信息, 提出基于比较句的情感分析模型。【方法 】利用基 于比较句数目的热门指数和差距指数筛选热门对比产品, 从比较句中抽取特征并根据情感词典计算竞争产品的 特征得分。为验证模型的效果, 以手机产品为实验对象, 以百度有哪些信誉好的足球投注网站引擎为数据来源展开实验。【结果 】实验从 28 对手机产品中筛选出 9 对热门对比产品, 并可视化分析产品的特征差异。相对于以往基于文本的情感分析方 法, 该模型能够更好地识别竞争产品以及判断竞争产品的用户情感取向。【局限 】特征抽取准确性有待进一步提 高, 比较句识别率存在一定的提升空间。【结论 】实验结果与实际情况相符合, 模型具有有效性, 该方法对企业有 较高的利用价值。 关键词: 比较句抽取 情感分析 数据可视化 自然语言处理 分类号: G350 出的用户情感倾向具有更高的可信度。例如: 比较句 1 引 言 “苹果手机外观更好看, 但是比小米手机价格贵太多” 比较句是一种常见的表达方式。通过比较, 人们 就明确表达了苹果和小米手机在“外观”和“价格”上的 能直观表达自己的情感倾向。在比较句中一起出现的 差异。因此, 基于比较句的情感分析将更加客观地得 产品可以视为竞争产品, 企业可以从相关产品的比较 出竞争产品间的差异。社交网络中有着丰富的比较句 句中, 识别竞争对手, 发现自身产品的不足, 提升产 资源, 这对于文本挖掘、网络用户情感分析具有非常 品竞争力。同时, 这些比较句可用于分析不同产品的 重要的价值, 如何从比较句中挖掘出有价值的信息已 特征优劣, 客观地为消费者提供参考意见。 经成为数据挖掘领域亟待解决的问题之一。 以往的情感分析研究多基于用户评论语句[1-2], 而 2 相关研究 非比较句, 有的研究通过机器学习的方法建立分类器, 以判断评论的有效性, 帮助网站识别虚假评论; 也有 国内外学者的情感分析研究大多集中在句子层面 研究[3]通过分析商品评论中的用户情感倾向, 统计不 和属性层面 句子层面包括判断用户评论的极性[4]、识 , 同用户在同一件商品上的情感倾向, 以此反映商品优 别评论的有效性[5]、基于机器学习建立评论分类模型[6] 劣。然而用户的情感具有主观性, 针对同一个事物, 不 [7] 等。属性层面包括利用中文分词 、词性标注等工具 如 ( 同的个体会有不同的情感表达。单独分析不同用户的 ICTCLAS[8]、Stanford Parser[9-10])进行产品特征识别。 情感倾向得出的结论不够客观。例如, 在考虑上市时 这些研究使用到的技术可分为非监督方法[11]和监督方 间等因素的情况下, 苹果手机获得100个好评, 不一定 法[10] 。前者经常创建一个情感词典 并通过统计正向 , 就比获得70个好评的三星手机强。 和负向短语的数量确定极性[3-7] 。后者则使用标注的数 比较句正好弥补了这个缺陷, 通过对比关系反映 据训练分类器[12](如Naïve Bayes,