1、隨著Web2.0技術(shù)的發(fā)展和普及，互聯(lián)網(wǎng)用戶已經(jīng)從單純的獲取信息模式向創(chuàng)造互聯(lián)網(wǎng)信息模式轉(zhuǎn)變，實(shí)現(xiàn)了網(wǎng)站與用戶的雙向交流。因此，網(wǎng)絡(luò)上產(chǎn)生了大量的主觀性文本，這些文本包含了人們的各種感情和觀點(diǎn)。如何利用計(jì)算機(jī)對(duì)這些海量的文本進(jìn)行處理和分析成為研究者關(guān)注的熱點(diǎn)，文本情感信息的抽取和分析在這樣的背景下應(yīng)運(yùn)而生。它在用戶評(píng)論分析與決策、輿情監(jiān)控、信息預(yù)測(cè)等領(lǐng)域有著廣闊的應(yīng)用前景，近些年很多學(xué)者和機(jī)構(gòu)都投入了研究。但是目前文本情感信息抽取研究還

2、處于發(fā)展階段，很多方法都不成熟。本課題圍繞文本情感信息的抽取任務(wù)，在商品評(píng)論領(lǐng)域?qū)ζ溥M(jìn)行了深入的研究。
　　本研究主要內(nèi)容包括：⑴在商品評(píng)論中，一個(gè)至關(guān)重要的信息就是評(píng)價(jià)對(duì)象。針對(duì)商品評(píng)論中評(píng)價(jià)對(duì)象的抽取任務(wù)，本文提出了一種領(lǐng)域無(wú)關(guān)的評(píng)價(jià)對(duì)象抽取方法，稱之為M-Score算法。該算法思想源于點(diǎn)互信息算法，其最大的優(yōu)點(diǎn)是具有領(lǐng)域無(wú)關(guān)性，便于領(lǐng)域移植。本文首先利用條件隨機(jī)場(chǎng)模型進(jìn)行候選評(píng)價(jià)對(duì)象的抽取，然后利用M-Score算法對(duì)候選評(píng)

3、價(jià)對(duì)象進(jìn)行領(lǐng)域相關(guān)性處理，最后對(duì)評(píng)價(jià)對(duì)象做進(jìn)一步的篩選。實(shí)驗(yàn)中采用了不同領(lǐng)域的語(yǔ)料對(duì)該算法進(jìn)行了驗(yàn)證，實(shí)驗(yàn)結(jié)果很好的證明了該算法的有效性。⑵針對(duì)情感評(píng)價(jià)單元<評(píng)價(jià)對(duì)象，評(píng)價(jià)詞語(yǔ)>的抽取任務(wù)，提出了一種基于語(yǔ)義分析與依存句法分析相結(jié)合的情感評(píng)價(jià)單元抽取方法。該方法引入了四類語(yǔ)義特征和二十類句法分析依存模板。語(yǔ)義特征的引入彌補(bǔ)了依存模板的不完善性和句法分析的不穩(wěn)定性的缺陷，句法分析又消除了詞語(yǔ)語(yǔ)義歧義問(wèn)題。采用語(yǔ)義特征和依存句法分析相結(jié)合的

4、方法，能使抽取結(jié)果更加準(zhǔn)確。實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法的有效性。⑶在評(píng)價(jià)對(duì)象抽取之后要對(duì)其情感傾向性進(jìn)行分析。針對(duì)評(píng)價(jià)對(duì)象的傾向性分析任務(wù)，對(duì)現(xiàn)有的情感詞典進(jìn)行了必要的修正和補(bǔ)充，并對(duì)詞語(yǔ)的相似度計(jì)算方法和極性強(qiáng)度計(jì)算規(guī)則做出了改進(jìn)，構(gòu)建了基于《知網(wǎng)》和點(diǎn)互信息的情感詞典。本文利用構(gòu)建的情感詞典對(duì)修飾評(píng)價(jià)對(duì)象的評(píng)價(jià)短語(yǔ)進(jìn)行了極性分析和極性強(qiáng)度的計(jì)算，并與現(xiàn)有情感詞典進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果證明了該詞典在準(zhǔn)確率、召回率和 F值三個(gè)評(píng)價(jià)指標(biāo)方面均有不同