基于酒店领域情感词典的分类器研究.docVIP

第1 章 绪 论 第 1 章 绪 论 研究背景与目的 伴随着计算机技术和互联网技术的蓬勃发展，网络已经无可替代的成为人们发布信 息和获取信息的重要场所。从 2014 年中国互联网各式网站的飞速发展情况可以看出， 直到 2013 年 12 月底，中国网站总量近 3507000 个，对于中国网站的 982 家接入服务商 提供互联网接入服务，网站的所有者近 2817000 个，全球网民的人数也早就超过 20 亿 了[1]。尤其是随着 Web1.0 到 Web2.0 的发展，更加注重了人们之间通过网络的交互，更 多的用户不仅仅可以浏览信息，获取信息，还可以很轻松简便的发布信息。使得原来以 网络信息发布的内容转到以用户参与的信息内容，与此同时电子商务迅猛发展，从原有 的产品信息发布走向了与用户的互动交流，用户成为中心。 用户通过网络相互之间进行交流，在网络平台上发布大量的留言和评论，成为互联 网的一种最流行的旋律，而这种形势，必然而且己经给互联网带来海量的信息。一方面， 海量信息为商家获取分析用户的信息情感提供了资料；另一方面，也要求文本挖掘技术 要进一步的发展与扩展，为个性化推荐、信息过滤和舆情分析工作等打下基础。 虽然这些留言对用户和商家都有很重大的意义，但是这些海量的大数据文本却给人 们在浏览信息时带来了一些干扰，越来越多的信息需要人们花费大量时间去鉴别有效信 息。比如酒店领域，当用户想要在网上查看酒店情况时，其他用户对该酒店的评论性留 言就会给用户提供参考意见和建议，然而各个酒店的评论性留言随着时间的推移都在突 飞猛涨，对用户来说从中筛选有效信息变得繁琐而费时，需要用户浪费大量的精力与时 间在这些繁琐的工作之上。基于这些困难与问题，文本情感分类问题受到社会各界广泛 的关注。对文本进行一个情感倾向的分类，去除无效与重复性的评论性文本信息，减少 人们搜寻查看的时间，快速的为用户提供用户比较关注与感兴趣的评论性文本，增加了 用户使用体验，从而可以增加用户的满意度。对于如何使用计算机技术，自动从这些评 论意见和看法中收集到用户最关注的信息，然后分析出文本的相应情感类别已成为了当 今互联网信息处理的一个热门研究话题[2]。 研究意义 由于世间的万事万物都是具有两面性的，人们通常对于外界事物的认识与了解是具 1 河北大学管理学硕士学位论文 有双重性的，比如有人看到外界事物积极、正面的一面，而有人则看到外界事物消极、 负面的一面，还有的人既可以看到外界事物积极、正面的一面，又能够看到其消极、负 面的一面。所以，通常认为文本的情感分类也是一个两类的分类问题，也就是文本的情 感倾向分为褒义类或者贬义类，这两种类型可以有效的区分评论性文本的情感倾向性。 在文本分类领域中，文本情感分类是一个相对较新的研究方向，具有较大的商业价值， 并且在可以进一步应用到个性化推荐、商品评论、舆情分析、信息过滤和用户兴趣爱好 挖掘等诸多领域。 在文本的情感分类研究中所使用的方法，经过总结其他人的研究发现一般有两种比 较常用的方法，分别是基于机器学习的方法和基于情感词典的方法。基于机器学习方法 的原理是利用朴素贝叶斯、支持向量机等机器学习的方法来对文本进行情感分类的。基 于情感词典的方法是使用一个有情感倾向性的的专门的情感词典作为依据，来对待分析 的文本进行情感分类研究的。在本文中构建情感分类器时，将两者相互结合使用，吸取 各自的优点，从而达到对文本情感分类器的分类效果进行改善的目的。 国内外研究现状 国外研究现状 国外对于英文文本情感的分类技术研究相对来说比较早，在信息检索、人工智能、 数据挖掘以及个性化推荐等诸多领域都已经取得了重大的研究成果。 （1）基于情感词典的情感分类 Kim 和 Hovy[3]等人研究了如何运用情感词典判断区分特征项的情感类别问题，通过 对同义词词典 WORDNET 的分析，获取了 WORDNET 中相关的层次结构和其他的相关 词汇来判断待分析词汇的情感倾向，并以此为依据判断词汇的情感倾向性类别。 Peter D. Turney[4]等将“excellent”和“poor”这两个词汇当做是基础类别词，将这 两个词当做是褒义和贬义的主要代表性词汇，并假设与他们同时出现的词汇都与他们具 有相同的情感倾向性类别的词汇，这种方法是根据研究相关词汇的上下文信息来预测其 它词汇的情感倾向类别的。 Alina Andreevskaia[5]等人通过对 WORDNET 中各个词汇实际意思的理解，并通过所 提出的公式分析计算其与所在类别中的其他相关词汇在语义相关程度上的大小，最后使 用此方法来计算出特征项的特征权值，达到对情感词汇进行分类的目的。 2 第 1 章 绪 论 Kamps[6]使用了 WordNet 词典，计算待分析文本中词汇与 WordNe