COMP：一个中文网络评价信息挖掘系统-北京大学机器感知与智能.PDF

第 27卷 第 1期 广西师范大学学报 ：自然科学版 Vo1．27 No．1 2009年 3月 JournalofGuangxiNormalUniversity：NaturalScienceEdition Mar．2009 COMP：一个中文网络评价信息挖掘系统 王忠辉 ，邓志鸿 (北京大学机器感知与智能教育部重点实验室，北京 100871) 摘 要：网络中大量的评价信息有着重要的利用价值，评价挖掘技术可以自动地挖掘出这些评价信息中所蕴 含 的评价者对评价对象的态度和意见。为此，设计实现了一个面向中文网络信息的评价挖掘原型系统 COMP，实验表明该系统的挖掘结果具有一定的参考价值和实际意义。 关键词：情感分析；评价挖掘；特征提取；网络信息服务 中图分类号：TP181 文献标识码：A 文章编号：i001—6600(2009)01—0101—04 进入Web2．0时代，人们在从网络上获取信息的同时，也对感兴趣的事物发表评价。这些评价信息对 个人、企业或政府的决策有着重要的参考价值。作为利用评价信息的有效方法，评价挖掘已经成为当前 Web挖掘中的一个重要研究方 向。 Hearst[1]和Sack[2]应用认知语言学中的模型对整篇文档进行基于观点的分类 。Das[。]对一些投资论坛 进行了观点分类以观察评价为正面的帖子是否和股价相关。Huettner[4]基于手工构造的区分词词典和模 糊逻辑理论研究观点分类问题。Tong[5]根据对 电影的在线讨论中的消息发表时间和观点倾向生成 “观点 时间线”。Pang等[6]分析了多种经典的有指导学习算法对文档进行观点分类的效果。Agrawal[]提出一种 基于社会网络的方法来进行观点分类 。文献E8]认为在句子层次上进行观点分类能在更细的粒度上把握文 章所表达的观点。上述研究都是基于文档或者句子层次进行分析与挖掘，挖掘观点的粒度还是比较粗糙。 因此基于特征层次的评价挖掘研究是当前的研究热点。 本文设计与实现一个面向中文网络信息的评价挖掘的原型系统——COMP。COMP系统采用 自然语 言处理技术和数据挖掘技术，提取评价信息中的对象特征，并在特征层次上对评价对象进行评价挖掘。 1 COMP系统 COMP系统结构如图 1所示。 - q特征挖掘模块t- f — — L、、 、 — — ③用户 — — l 评价挖掘模块t- 图 1 COMP系统结构图 Fig．1 System structureofCOMP ①数据采集与整理模块从指定网站中抓取评价数据并进行整理，然后放入评价库。②特征挖掘模块利 用 自然语言处理工具和频繁模式挖掘技术，从评价库中挖掘特征集。⑧评价挖掘模块针对每一个特征，综 合评价库中的评价数据，得到其情感评价值、代表评价模式以及代表评价，结果放入特征库中。④最后，通 收稿 日期：2008—12—20 基金项 目：国家 863计划基金资助项 目(2OO9AAO1Z136) 通讯联系人：邓志鸿 (1973一)，男，江西进贤人，北京大学副教授，博士。E-mail：zhdeng@pku．edu．cn 102 广西师范大学学报：自然科学版 第 27卷 过结果展示模块 ，向用户展示挖掘结果。 1．1 特征抽取 系统挖掘频繁特征 ，而不关心不频繁特征。特征挖掘过程如图2。