基于word2vec扩充情感词典商品评论倾向分析.docVIP

基于word2vec扩充情感词典商品评论倾向分析 　　摘要： 商品评论是用户对所购商品的信息反馈，在一定程度上代表了用户对商品的关注点和情感倾向，对企业具有重要的研究价值。该文提出基于word2vec的情感词典扩充方法，以此构建面向情感倾向分析的电商平台情感词典，旨在能较好地识别商品评论的情感倾向。试验中，该文将扩充的情感词典结合改进的情感词极性算法，用于天猫洗护类商品评论的情感倾向分析，实验表明了该方法的有效性 关键词：情感词典；word2vec；情感分析；电商平台 中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2017）05-0143-03 Abstract： Product reviews can be treat as the feedback of user on the purchased of goods，Which，to a certain extent， represents the user’s focus on the commodity and emotional tendencies， has important research value to the enterprise. This paper proposes an extension method of emotional lexicon based on word2vec， in order to construct affective dictionary of sentiment platform for sentiment orientation analysis. In experiment， we use the method of expanding the emotional words of sentiment dictionary combine with improved sentiment word polarity algorithm for the sentiment analysis of Tmall care commodities reviews， Finally，The experiments prove the effectiveness of the method. Key words： Sentiment Lexion ； word2vec； sentiment analysis ； E-commerce platform 随着计算机和互联网技术的发展，各种电商平台纷纷涌现。如何从繁杂的商品评论中识别用户的情感倾向，不仅是各大电商平台的关注热点，也是自然语言处理领域中亟待解决的问题，因此，文本倾向性分析成为计算机领域的研究热点之一。目前文本情感倾向性分析研究方法分为基于简单统计、基于相关性分析与基于机器学习三种。基于简单统计方面，主要通过求合法、向量空间法等对情感值进行简单的倾向性统计，邹嘉彦等[4] 通过对极性元素的分布、密度及语义强度等进行分析，实现相关新闻的褒贬分类。基于相关性方面，陈晓东[3]使用扩展的情感倾向点互信息算法（Semantic Orientation Pointwise Mutual Information， SO-PMI），从微博语料集中自动获取领域情感词，构建了微博情感词典，并将其使用于中文微博的情感倾向研究。姜亚华[2]优化了基于HowNet衡量语义相关度算法，并将其用于汽车领域的商品评论情感分析。在基于机器学习的研究方面，Wang[5] 选取形容词和副词这类修饰词作为特征，?⑵舴⑹焦嬖蛴氡匆端狗掷嗉际跸嗳诤喜⒂τ糜谖谋厩楦星阆虻姆掷唷Ｐ炝蘸甑?[6] 通过计算词汇与基准词间的相似度，进而利用支持向量机分类器对文本的褒贬性进行分析。但是目前针对商品评论的倾向性分析技术仍然存在以下问题：1）中文情感词典相对较少，各领域的情感词典并不兼容，例如主流的HowNet（知网）等在构建情感词典的过程中未考虑网络用语的更新；2）一般的情感词上下文极性算法的情感倾向识别准确率不高，而且可扩展性较差，情感词的极性仅仅考虑其原极性（情感词典所标注），在上下文存在关联关系，转折关系时，没有结合上下文语境考查其上下文极性。针对以上问题，本文以天猫商城洗护类商品评论的情感倾向分析为主题，首先通过word2vec算法在HowNet和NTU情感词典的基础上构建适用于电商平台的情感词典；其次给出了利用扩充的情感词典与改进的情感词极性算法计算情感词极性的方法，完成商品评论的情感倾向分析 1 基于word2vec的情感词典扩充 目前情感极性计算方法主要有基于语料库和基于情感词典2种方法。本文主要研究的是基于情感词典的方法。基于情感词典的情感极性计算