情感倾向分析中结构化方法.pdfVIP

摘要 近年来情感倾向分析在自然语言处理领域引起了J“泛的关注．它可以 帮助分析文本中与情感相关的信息，从而提供直接的应用结果或者为其他的自然 语言处理任务服务．结构化方法是自然语言处理的各个任务中广泛使用的一类机 器学习方法，它通过利用结构化的信息提高分类器的性能．本文中主要研究倾向 性信息抽取任务中的结构化方法． 首先，对于倾向性信息抽取中的评价词，评价对象的关系抽取任务，过去的关 系抽取方式要么为简单的将相邻评价词：评价对象的关联存一‘起，要么依靠手工 制定的模板，都没有充分利用句法树．卜-的信息．I卅时，也忽略了评价词，评价对象 的短语结构．本文提出了短语依存句法树，将短语结构引入了依存句法树l+l，较 好的处理了短语问的依存关系．在短语依存亡U法树上，旨次提出了依赖于短语结 构的树核函数．它能够区别对待不同类型的依存关系，很大的提高了树核函数在 关系抽取中的辨识能力．在5个不同领域的存线评论语料卜．的实验证明了短语依 存句法树能够很好的处理短语类型的评价词，评价对象；同时，新的树核两数能够 有效的提高关系抽取的各方面性能． 其次，传统的文本倾向性信息表示忽略了文本rfl许多与倾向性相关的信息． 这使得最终的抽取结果可能是彳i准确，刁i完整的．针对这样的问题，奉文提出r 基于图的倾向性表示．其中除了传统的评价训，评价对象等要素外，还包括了对 评价词的限制，隐含的评价对象，以及评价同之间的关系．它极人的丰富了倾向 性信息抽取的结果．也扩充了倾向性任务处理的对象．能够提供更加精确，更加完 备的抽取结果．本文使用了一种新的结构化方泫将一个句子的倾向性信息转化成 对应的罔表示．它通过整数线性规划．有力的整合了冈卜的各类结构化约束，I司 时有较强的扩展能力和稳定性．存中义存线评论语料库㈨勺实验证明，基十罔的 倾m肚表示有较强的表示能力．同时结构化方法能够明显的提高倾m肚信，皂0南取 系统的符力‘面性能． 中图分类号：TPl81 关键字：情感倾向分析，结构化机器学习，短语依存句法树，树核函数，倾向性的 图表示，解码算法，整数线性规划． Abstract muchattentioninrc— Sentimentand havereceived opinionmining analysis methodshavebeen to and cent numberofautomatic identify years．A proposed facilitateboth extract sentimentsfromtext．Itwill opin— opinions，emotions，and othernatural ionrelated and language application infornlationto machine tured utilizestructure improve learning learning，which oneofthe in NLPfieldandisconsideredtobe successed approaches，hasmany methods． mosteffective Thisworkisfocusdonstr