基于在线书评读者情感分析模型研究.docVIP

基于在线书评读者情感分析模型研究 　　摘要：电子书籍网站的用户评论真实客观地反映了读者对书籍的感受，因此对书评的情感分析研究具有学术及商业价值。该文研究了情感分析在该领域的机器学习模型，以情感字典作为主观内容识别，通过神经网络语言模型对情感字典扩充，运用机器学习方法，设计书评领域情感分析模型，并深入探讨了逻辑回归等分类算法，采用多种评价指标分析不同模型效果。结果表明运用主客观分类之后的模型更适合判断读者情感倾向。 　　关键词： 在线书评；情感分析；情感词典；模型分析；可视化 　　中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2017）33-0206-03 　　Abstract：User reviews in e-book website truly reflect reader feeling about e-book，so the research of sentiment analysis of book reviews has academic and commercial value. Discussing on machine learing models for sentiment analysis，using sentiment lexicon as subjective content recognition，through the neural network language model to extend the emotional dictionary， the use of machine learning methods， design evaluation of the field of emotional analysis model.Analysis of the logic regression classification algorithm， the use of a variety of evaluation indicators. analysis of different model results， the results show that the use of subjective and objective classification of the model is more suitable to judge the readers emotional tendencies. 　　Key words：online book review； sentiment analysis； sentiment lexico； model analysis； visualization 　　随着移动网络的发展和网络文学的兴起，越来越多的读者倾向于使用手机、平板电脑等移动端设备购买、阅读电子书籍，并在网上分享各自的对书籍的评价以及对剧情的讨论。书评不仅是对书籍的价值判断和评论，同时对作者以及后来的读者都有着不可代替的参考性[1]。有研究发现近一半的读者在决定阅读之前会查看书籍的相关书评，书评对于读者的阅读决策有着重要的影响[2]。如果充分收集这些书评并对其进行综合分析，直观地揭示读者对于某本书籍的褒贬态度或情感倾向，将有助于作者了解作品的不足，从而进行改进。但目前绝大多数书评没有被有效利用，在大量的书评中，读者无法直观得出结论。而且，书评的内容都是碎片化的，篇幅长短不一，需要对其重新进行分类和情感分析才能挖掘其中反馈用户褒贬态度或情感倾向的有用信息。 　　情感分析 （Sentiment Analysis） 又称评论挖掘或意见挖掘（Opinion Mining），指的是对某些商品评论的文本内容进行分析，发现评论人对这些商品的褒贬态度和意见[3]。主要任务包括主题抽取、意见持有者识别、评论范围确定和情感极性分析[4]。在线评论的特点对情感分析的研究有着重大的学术价值以及直观而广阔的商业价值，目前在世界各国的计算机领域中，情感分析都成为了科学研究的热点方向[5-7]。而词相量（word vector）的提出为情感分析引入了更多的优秀算法[8]，常用的算法有逻辑回归（Logistic Regression）、朴素贝叶斯（Naive Bayes）、决策树（Decision Tree）、支持相量机（Support Vector Machine，SVM）、K近邻（k-Nearest Neighbor，KNN）等[9-10]。 　　1 书评情感分析模型 　　为了准确得到书评的情感分析结果，本文以机器学习方法结合自然语言处理方法对书评进行意见挖掘预处理和情感分析。本文重点在于对用户评论的分析处理从而得到对整本书的情感倾向其构建情感分析模型如图1所示。 　　主要