1、隨著互聯(lián)網(wǎng)和信息處理技術(shù)的發(fā)展，人們可以從新聞評論、論壇、博客等來源得到海量的評論信息，只有通過對信息的深入分析和提煉，信息才能更有效的為人所用。正是在這一背景下，文本的情感傾向研究成為當前一個具有廣泛應(yīng)用前景且十分新穎的研究領(lǐng)域。
　　 本文工作主要圍繞著“細顆粒度”情感傾向分析中若干關(guān)鍵技術(shù)展開研究，包括：被評價對象抽取、評價關(guān)系抽取、情感傾向判定、知識庫半自動構(gòu)建以及半監(jiān)督學(xué)習(xí)在情感傾向分析中的應(yīng)用等方面。
　　

2、在文章和句子級傾向極性分析任務(wù)中，我們將條件最大熵算法和熵正則化框架結(jié)合，提出了半監(jiān)督條件最大熵算法。該方法在句子級MPQA語料庫中，可以達到78.2％的精度，比有監(jiān)督方法有5.2％的相對提高。
　　 在被評價對象抽取方面，提出了基于條件隨機場的被評價對象識別算法。該算法將被評價對象抽取問題轉(zhuǎn)化為序列標注問題，通過上下文、詞性、知識庫等一系列特征完成被評價對象抽取。通過上述方法被評價對象識別精度可以達到91.17％。
　　

3、 在評價關(guān)系方面，提出了一種將關(guān)系識別問題轉(zhuǎn)化為序列標注問題的方法。利用條件隨機場和一系列特征完成評價關(guān)系抽取。這一算法結(jié)合了語法層信息、詞語層信息，并利用相鄰關(guān)系的分類結(jié)果，因而具有更高的準確性。實驗結(jié)果表明該方法的F值比最近鄰方法有15％的提高。
　　 在模型自適應(yīng)方面，提出了一種基于最大后驗的條件隨機場模型自適應(yīng)算法。通過實驗結(jié)果說明這種算法可以有效通過背景模型和適應(yīng)語料，自適應(yīng)到另外一個領(lǐng)域中，在被評價對象抽取實驗中，