网络评论用户性别提取方法研究.doc

学位论文书脊样式： 改 网 络 评 论 用 户 性 别 提 取 方 法 研 究 王 雪 辽 宁 工 程 技 术 大 学 关于论文使用授权的说明 本学位论文作者及指导教师完全了解辽宁工程技术大学有关保留、 使用学位论文的规定，同意辽宁工程技术大学保留并向国家有关部门或 机构送交论文的复印件和磁盘，允许论文被查阅和借阅，学校可以将学 位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩 印或扫描等复制手段保存、汇编本学位论文。 保密的学位论文在解密后应遵守此协议  学位论文作者签名：____________  导师签名：_____________  年  月  日  年  月  日 分类号 UDC  TP391 004  学校代码 密 级  10147 公开  硕 士 学 位 论 文 网络评论用户性别提取方法研究 The Research on Users’ Gender Extraction Method of Web Reviews  作者姓名 指导教师 申请学位 学科专业 研究方向  王雪 邱云飞 教授 工学硕士 计算机软件与理论 数据挖掘 辽宁工程技术大学 致  谢  在论文完成之际，我的研究生生涯也即将结束。在就读研究生期间，我不仅收 获到了知识，更有老师，同学们给予我的关怀、支持和鼓励。 感谢我的导师邱云飞教授。他对生活持有乐观态度，对学术研究执着、严谨， 对学生孜孜不倦、言传身教，他有渊博的学术知识和敏锐的洞察力，这一切都深深 影响了我。在整个研究生期间，无论是科研项目还是学术论文，甚至是日常生活的 点点滴滴，邱老师都给予我谆谆教导，从中我不仅学到了做人的道理、与人沟通的 技巧，还学到了治学的严谨态度。 感谢实验室的各位兄弟姐妹。他们在我的学习和生活中给了我很大的帮助和支 持。这种互相帮助，共同努力上进的学习氛围一直感染和激励着我在科研的道路上 不断前进。 感谢我的母校辽宁工程技术大学。感谢母校给予我的一切，便利的图书馆、自 习室和实验室，这一切都为我的学习和学术研究提供了优越的条件。 感谢我的父母。感谢父母对我的鼓励和培养。 感谢我在学习和撰写论文中参阅和引用其论著、研究成果的学者们。 感谢审阅论文和参加答辩的各位专家！ 摘  要  随着 Web2.0 的普及，在博客、论坛和商业网站中出现了大量包含丰富信息的用户评 论，这些评论为用户分析提供了有价值的资料。由于发表评论的用户在注册时提供的用户 信息可能是不真实的，从事用户分析的研究者无法从中获取真实的用户信息。鉴于性别能 够确定用户身份，对用户分析有重要价值，本文从用户性别提取的角度出发，以有效利用 网络用户评论数据和自动化提取可靠的用户性别为目标，提出了基于 POSG 模型的网络评 论用户性别提取方法。因两性评论在词汇和句式上存在差异，该方法利用卡方值排名靠前 的词类和 N-gram 模式体现两性评论的词汇和句式，通过分别计算两性熵权之和进行用户 性别的自动提取。实验结果表明，词汇和句式均对性别提取有一定的影响，但是句式的影 响占主导地位。本文提出的网络评论用户性别提取方法具有较高的查全率和查准率，能够 较好地实现评论用户的性别提取。 关键词：性别提取；用户分析；性别语言； N-gram 模式；用户特征提取 - I - Abstract With the popularity of Web2.0, a large number of users’ reviews which contain abundant information exist on the blogs, forums and commercial websites. These reviews can provide significant materials to user analysis. Because the information provided could be unreal when the reviews’ users register on the websites, researchers who are engaged in user analysis can not get real users’ information. Because gender can identify users’ identities and has a significant value for users analysis, from gender extraction perspective, this paper proposes users’ gender extraction method of Web reviews