中文产品评论的意见挖掘研究.docxVIP

中文产品评论的意见挖掘研究 严孙荣 (北京交通大学计算机与信息技术学院，北京，100044) 摘 要：本文以中文产品评论为主要研究对象，采用机器学习的方法对产品评论进行整体褒 贬自动分类研究.采用基于N-gram文本特征的表示(分为基于词的unigram, bigram和基于字 的unigram, bigram, tr igram) 不同的特征权重计算方法(TF, BOOL, TFIDF),不同的分 类算法(朴素贝叶斯、最大嫡和支持向量机)进行分类实验.使用基于字的bigram特征提取 方法、基于词频的文本表示在支持向量机分类器下取得了最高的分类性能，准确率为94. 74%. 本文实现了基于后缀树结构的特征提取算法，提取关键子串组作为文本特征.实验表明基于后 缀树的关键子串组的特征表现能力强而且特征维度低，分类的准确率略高于其他文本特征表 示的分类效果. 关键词：产品评论；情感分类；自然语言处理 中图分类号：TP391.3 文献标志码：A Research on Opinion Mining ofProduct Rev i ews i n Ch i nese YAN Sun-Rong (Department of Computer and Information Technology,Beijing Jiaotong University, Beijing 100044) Ab