面向商品评论文本的情感分析研究-软件工程专业毕业论文.docxVIP

摘要 摘要 万方数据 万方数据 摘 要 电子商务的快速发展，使得网络购物成为人们选购商品的重要途径之一。与线下 实体店购物不同，网络购物时人们会更关注网络上的商品评价信息。这些信息包含了 已购买者对商品各方面的主观评价，对商品的褒贬评价在很大程度上影响着人们的购 买决策。因此，对这些评价信息包含的主观情感进行分析有着重要的现实意义。已有 的研究表明，不同的人们对同一商品会有着不同的关注点，因此简单的对商品整体进 行分析已经不能满足人们个性化的需求。 论文针对网上商品评论的情感分析进行了深入研究，主要工作包括： (1) 深入研究了文本情感倾向性分析的基本理论、基本框架和相关技术，重点研 究了情感词典及其扩充问题。情感词典是文本情感倾向性分析的基础，对最终的倾向 性判断结果有很大的影响。一般情况下，情感词典包含的词语越丰富，倾向性判断的 结果越好。本文在研究已有情感词典建立方法的基础上，根据目前网络商品评论的新 情况，对情感词典进行了扩充，增加了否定词、双重否定词、转折词、网络用语等词 典，当语料库中包含这些词语较多时将使情感倾向性判断结果更接近真实情况。 (2) 研究种子词选取方法并提出改进方法。在文本情感倾向性分析中种子词的选 取也是至关重要的，对最终的倾向性判断结果也会有很大的影响。本文针对已有的种 子词选取方法覆盖范围小的问题，提出与评价领域相关的种子词选取方法，扩大了选 取的覆盖面，并针对评价领域的特点，增加了否定属性表，使得分析结果更能够符合 实际情况。实验结果表明，上述改进方法可以有效地提高召回率和准确率。 (3) 研究并改进情感词相似度计算算法，给出商品评价情感倾向性分析的最终结 果。针对基于语料库方法低频词计算准确率差，而基于知网词典方法又依赖人工建立 的词典，受人的主观意识影响较大等问题，本文提出了综合改进算法 PMI_HRV。算 法综合了上述的词典扩充和种子词选取方法，以及基于语料库方法和基于知网词典的 方法，解决了基于语料库方法低频词计算准确率差问题，并减小了基于知网方法人为 主观意识的影响。实验结果表明，PMI_HRV 算法可以给出最终的商品情感倾向性分 析结果，其准确率、召回率和 F 值与已有算法相比均有明显提高。 关键词：情感分析；商品评价；点互信息；情感词典；文本挖掘 I Abst Abstract Abstract Online shopping has become an important way of buying with the rapid development of e-commerce. Different offline shopping, people are more concerned about product reviews information on the network when online shopping. This information includes the subjective attitudes of purchased people to all aspects of commodities, which affects peoples purchasing decisions. Therefore, analyzing the subjective attitude in evaluations information has important significance. Existing analysis shows that different people have different concerns on the same commodity. So a simple analysis of the whole commodity cannot meet peoples individual needs. For sentiment analysis of web product reviews, paper conducted intensive research. The main work includes: Paper depth study the basic theory, basic framework and related technologies of text emotional propensity analysis focuses on the emotion dictionary and its expansion. Emotional word dictionary are the basic input of algorithm which have a great influence on th