面向产品评论的汉语解释性意见聚集方法研究与实现-软件工程专业毕业论文.docxVIP

AbstractKeywords：Opinion Abstract Keywords：Opinion mining；Explanatory opinion aggregation；Coreference resolution； Opinion paraphrase recognition 万方数据 黑龙江大学硕士学位论文目录 黑龙江大学硕士学位论文 目录 中文摘要 ．I Abstract ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． ．．．．． ．．．． ．．．．．．．．．．．．． ．．．．．II 第1章绪论 ．1 1．1研究目的和意义 ．1 1．2国内外研究现状 ．2 1．2．1共指消解相关研究 2 1．2．2复述技术相关研究 5 1．3汉语解释性意见聚集研究面临的主要问题 ．7 1．4本文主要研究内容 ．7 1．5本文的组织安排 ．9 第2章基于聚类的汉语产品属性共指消解 11 2．1引言 11 2．2任务描述及系统流程 11 2．3共指属性的聚类特征 13 2．4基于改进层次聚类的共指消解 15 2．4．1传统层次聚类算法思想 ．1 5 2．4．2改进的层次聚类算法 ．16 2．5基于改进K．means聚类的共指消解 17 2．5．1 K—means聚类算法思想 l 7 2．5．2基于密度峰值和距离的初始中心点选取 ．1 8 2．6两种聚类共指消解结果的融合 20 2．7实验结果与分析 22 2．7．1实验语料与评测标准 ．22 2．7．2不同聚类特征对共指消解的影响 ．23 2．7．3层次聚类对共指消解的影响 ．24 万方数据 目录2．7．4基于K．Means共指消解的影响 目录 2．7．4基于K．Means共指消解的影响 25 2．7．5不同聚类方法对比 ．25 2．8本章小结 27 第3章面向产品评论的解释性评价复述识别 28 3．1引言 ．28 3．2任务描述 28 3．3基于分类方法的解释性评价复述识别 29 3．3．1方法描述 ．29 3．3．2特征选择 ．30 3．3．3特征表示 ．3 l 3．3．4特征向量生成与训练 ．33 3．4基于相似度聚类的解释性评价复述识别 33 3．4．1方法描述 ．33 3。4。2词形相似度 ．34 3．4．3语义相似度 ．35 3．4．4词序相似度 ．36 3．4．5相似度计算方法 ．36 3．5实验结果与分析 37 3．5．1实验数据及评测方法 ．37 3．5．2基于分类方法的解释性评价复述识别结果 ．38 3．5．3相似度聚类方法的解释性评价复述识别结果 ．4 1 3．5．4解释性评价复述识别方法对比 ．42 3．6本章小结 43 第4章解释性意见信息聚集系统设计与实现 44 4．1系统描述及流程 44 4．1．1系统描述 ．44 4．1．2系统流程 ．45 万方数据 黑龙江大学硕士学位论文4．2属性聚集功能实现 黑龙江大学硕士学位论文 4．2属性聚集功能实现 46 4．2．1属性库的构建 ．46 4．2．2基于属性库的查询 ．47 4．3解释性意见信息聚集实现 50 4．3．1意见解释库的构建 ．5 l 4．3．2基于意见解释库的查询 ．53 4．4本章小结 55 结论 ．56 参考文献 ．58 致 谢 ．64 攻读硕士学位期间发表的学术论文及参加的科研项目 ．65 独创性声明 ．66 万方数据 第l章绪论第1章绪论 第l章绪论 第1章绪论 1．1研究目的和意义 随着Web2．0时代的到来，社会网络得到了飞速的发展，电商、微博、论坛等 新兴互联网产品的出现给人们生活带来了新的体验。人们喜欢对某个事件发表一 些自己的看法，也可以通过电商网站对买到的产品描述自己的感受，用户发表的内 容多以文字为主，这些文本称为“用户生成内容【11’1’(User-GeneratedContent，UGC)。 “用户生成内容”蕴含着很多有价值的信息，可以为消费者提供购买的参考价值， 商家或厂商获取用户的反馈能了解产品状况并对市场做出及时反映或跟进服务。 然而由于不同用户的自身背景知识、习惯用语等差异，UGC在语言使用方面很随 意、不规范的，且数量巨大，如果通过人工方式去阅读并获取信息势必会带来难度。 因此，如何快速、有效地挖掘UGC中有价值的信息已成为自然语言领域亟待解决 的问题【21。产品评论作为UGC的重要组成部分被学术界广泛研究。解释性意见属 于产品评论中的一部分，其中蕴含着意见情感倾向的解释或说明，用户通过阅读解 释性评价内容，可以获得某些关注的意见背后所产生的原因，进而做出正确的购买 决策。但随着信息数据的指数增长，汉语评论文本中的解释性意见信息呈现冗余、 多样化、表述繁琐等不规范现象，这给文本