1、隨著互聯(lián)網(wǎng)的迅速普及，網(wǎng)絡(luò)上面涌現(xiàn)了大量用戶評(píng)論信息，這些評(píng)論信息表達(dá)了評(píng)論者對于產(chǎn)品或者事物的態(tài)度或者看法。對評(píng)論信息進(jìn)行深入挖掘分析，可以為消費(fèi)者和公司提供相關(guān)產(chǎn)品的口碑信息，也可以為政府提供輿情監(jiān)測分析。在此背景下，情感傾向分析技術(shù)研究已經(jīng)成為近期的研究熱點(diǎn)。
　　“細(xì)顆粒度”情感傾向分析又稱評(píng)論信息挖掘，是指在給定的文章、段落、句子中挖掘出所需要的評(píng)價(jià)單元。其研究工作包括評(píng)價(jià)對象抽取，評(píng)價(jià)短語抽取，評(píng)價(jià)搭配關(guān)系抽取，評(píng)價(jià)極

2、性判斷等研究內(nèi)容。“細(xì)顆粒度”情感傾向分析存在著嚴(yán)重的跨領(lǐng)域性差問題。本文主要對此問題展開了研究工作，最后設(shè)計(jì)了一種“細(xì)顆粒度”情感傾向分析系統(tǒng)。主要工作內(nèi)容包括以下三部分：
　　(1)針對條件隨機(jī)場跨領(lǐng)域抽取評(píng)價(jià)對象性能差的問題，我們提出一種基于圖的句子排序算法來提高領(lǐng)域適應(yīng)性。該方法通過使得訓(xùn)練語料和測試語料的主題最接近，來使得條件隨機(jī)場能夠適應(yīng)訓(xùn)練語料。我們的方法在COAE2011的語料中三個(gè)領(lǐng)域的宏平均F1值可以達(dá)到14.

3、91％，相比第三屆中文情感分析評(píng)測會(huì)議(COAE2011)的最好結(jié)果9.16%有顯著的相對提高。
　　(2)針對有監(jiān)督方法抽取評(píng)價(jià)對象的跨領(lǐng)域性差問題，我們聯(lián)合無監(jiān)督和有監(jiān)督方法來抽取評(píng)價(jià)對象。首先給出了無監(jiān)督和有監(jiān)督的抽取方案，然后給出了四種聯(lián)合方案。首先是并集的方案，其次是交集的方案，方案三和方案四是聯(lián)合訓(xùn)練的方案，方案三是把無監(jiān)督結(jié)果標(biāo)簽作為條件隨機(jī)場的特征輸入來聯(lián)合訓(xùn)練，方案四是把無監(jiān)督結(jié)果標(biāo)簽作為條件隨機(jī)場的狀態(tài)變量來聯(lián)

4、合訓(xùn)練。實(shí)驗(yàn)結(jié)果顯示，方案三和方案的聯(lián)合訓(xùn)練方案能夠顯著提高F1值，特別的，方案三在電子產(chǎn)品領(lǐng)域，方案四在金融證劵領(lǐng)域?qū)τ谔岣逨1值的效果更為顯著。
　　(3)我們總結(jié)前人的工作，設(shè)計(jì)了一種“細(xì)顆粒度”情感傾向分析系統(tǒng)。在此系統(tǒng)中，對評(píng)價(jià)對象識(shí)別采用基于規(guī)則和統(tǒng)計(jì)方法。采用基于詞典的方法對評(píng)價(jià)短語進(jìn)行抽取。我們使用邏輯回歸方法來抽取搭配關(guān)系，此外，還結(jié)合規(guī)則來進(jìn)行評(píng)價(jià)搭配關(guān)系的補(bǔ)充。對于句子情感傾向性的判斷，使用基于支持向量機(jī)的判

5、別和相關(guān)的規(guī)則補(bǔ)充的方法，抽取的特征包括統(tǒng)計(jì)特征和語義特征，統(tǒng)計(jì)特征是對句子做二元文法，三元文法，四元文法的切分，并且結(jié)合特征的2值來進(jìn)行過濾。對于補(bǔ)充的規(guī)則主要是采用基于詞典匹配和詞性搭配的補(bǔ)充方法。該系統(tǒng)參與了COAE2011會(huì)議的實(shí)際評(píng)測，綜合排名中游，評(píng)價(jià)對象抽取的召回率排名第一。
　　本文的工作主要著重于“細(xì)顆粒度”情感傾向分析的研究。我們既對跨領(lǐng)域問題進(jìn)行了細(xì)致研究，又總結(jié)前人的工作，設(shè)計(jì)了一種“細(xì)顆粒度”情感傾向分析