1、NLP&CC2013 中文微博觀點(diǎn)要素抽取研究,指導(dǎo)老師：丁晟春 匯報(bào)人：李霄南京理工大學(xué)信息管理系,,,研究背景及意義,網(wǎng)絡(luò)文本數(shù)量龐大,情感分析,觀點(diǎn)挖掘,觀點(diǎn)要素抽取,,,,,深層次的挖掘研究,,實(shí)驗(yàn)方案,,,實(shí)驗(yàn)語料： 訓(xùn)練語料：測評語料的20% 測試語料包含10個微博話題，共計(jì)12382條微博。語料預(yù)處理： LJParser數(shù)

2、據(jù)挖掘及語義分析智能開發(fā)平臺中的語料庫分詞系統(tǒng)。實(shí)驗(yàn)方法： CRFs模型,,中文微博娛樂本體設(shè)計(jì),微博中的話題涵蓋了人物、事件等要素，具體的事件或影視作品又牽扯到方方面面之間的聯(lián)系。在分析NLP&CC2013中文微博觀點(diǎn)要素抽取評測語料基礎(chǔ)上，構(gòu)建中文微博娛樂本體。,,中文微博娛樂本體：類：27個數(shù)據(jù)屬性：69個類間關(guān)系：33個實(shí)力若干,,中文微博娛樂本體設(shè)計(jì),核心大類之間的關(guān)系,指示詞,評價對象,評論

3、者,評論,展現(xiàn)對其的感情,描述,提取出,來源于,寫,評論,圖1 核心大類之間的關(guān)系,,中文微博娛樂本體設(shè)計(jì),所定義的核心類基礎(chǔ)上，通過等級關(guān)系（subClassOf）擴(kuò)展“評論對象”類和“指示詞”類，形成的等級體系。在等級關(guān)系（subClassOf）的基礎(chǔ)上繼續(xù)擴(kuò)展本體的等級關(guān)系，同時借鑒頂層本體SUMO中關(guān)系的定義，實(shí)現(xiàn)實(shí)驗(yàn)本體中非等級關(guān)系的定義。非等級關(guān)系包括整體-部分關(guān)系、同義關(guān)系、反義關(guān)系、轉(zhuǎn)指關(guān)系、因果關(guān)系,,中文微博

4、娛樂本體設(shè)計(jì),指示詞分為屬性指示詞和情感指示詞兩種。屬性指示詞是指能夠表示度量單位的詞匯，這些詞匯用來指示微博話題中一些屬性的參數(shù)。情感指示詞是指能夠表示評論者對評論對象的褒貶態(tài)度的詞匯，如“好/壞”指示某電影的水平等。,,中文微博娛樂本體設(shè)計(jì),“人物”類的層級定義（舉例1）,人物,圖2 “人物”類的一級體系結(jié)構(gòu),導(dǎo)演,攝影師,編劇,服裝師,Is-a,道具師,演員,歌手,作詞者,作曲者,其他名人,,中文微博娛樂本體設(shè)計(jì),“新

5、聞”類的關(guān)系定義（舉例2）,新聞,圖3 “新聞”類與其他類之間的關(guān)系,Is-a,人物,明星公益,明星現(xiàn)場,明星秘聞,Is-a,Is-a,作為當(dāng)事人,,評價對象抽取實(shí)驗(yàn),評價對象抽取之特征選擇詞特征詞性特征情感特征本體特征,本體特征表示的是詞匯單元所具有的領(lǐng)域及其語義特性，反映了評價對象的領(lǐng)域共識。本文依據(jù)建立的實(shí)驗(yàn)本體，判斷當(dāng)前觀察單元在該本體中的概念類別：類、屬性或是實(shí)例，以輔助評價對象的抽取研究。,微博中表達(dá)的顯

6、性評價特征通常都是單獨(dú)的詞匯單元或是多個詞匯單元組成的短語，直接反映了評價對象的構(gòu)成規(guī)則。,由于微博中評價對象在表述過程中都表現(xiàn)出一些語法規(guī)則，很大一部分評價對象都通過名詞來表達(dá)，某些還可能通過動名詞，形容詞+名詞，量詞+名詞（如部+電視?。﹣肀磉_(dá)。,情感詞不僅表達(dá)了評價者對評價對象的態(tài)度或是使用心得等評價信息，也在一定程度上能夠反映評價對象在整條微博中的位置信息。情感詞匯通常作為修飾的成分出現(xiàn)在評價語句中，或放在評價對象前，或放在評價

7、對象后，因此該特性能夠反映評價對象的位置信息。,,評價對象抽取實(shí)驗(yàn),特征選擇預(yù)實(shí)驗(yàn)（五組實(shí)驗(yàn)）,,,評價對象抽取實(shí)驗(yàn),評價對象抽取實(shí)驗(yàn)結(jié)果分析（寬松評價指標(biāo)）,,,評價對象抽取實(shí)驗(yàn),評價對象抽取實(shí)驗(yàn)結(jié)果分析（嚴(yán)格評價指標(biāo)）,,,總結(jié)及展望,模型能夠盡可能多的識別出微博中的評價對象，同時獲得了較高的準(zhǔn)確率。驗(yàn)證了CRFs模型及實(shí)驗(yàn)中選擇四類特征及設(shè)計(jì)的特征模板的有效性。對于一些隱性評價對象并沒有識別出。沒有進(jìn)行詳細(xì)的整條微博的語法分

8、析。深入挖掘在線商品評論中隱性評論對象的特征，從而優(yōu)化該抽取方法提高對評論對象的抽取整體效率。,,研究團(tuán)隊(duì)介紹,骨干成員老師：丁晟春：研究方向?yàn)樾畔⑾到y(tǒng)開發(fā)、文本挖掘與商務(wù)智能、信息檢索、網(wǎng)絡(luò)信息資源的開發(fā)。最近致力于商品評論的可信度，網(wǎng)絡(luò)輿情及本體知識庫構(gòu)建等。吳鵬：用戶心智模型，群體模擬與仿真等章成志：近期主要的研究方向?yàn)槎嗾Z言文本挖掘、多語言領(lǐng)域本體學(xué)習(xí)、主題聚類及其應(yīng)用、關(guān)鍵詞自動提取、術(shù)語自動提取、跨語言信息處理與檢索