基于非完備信息系統(tǒng)的評價對象情感聚類.pdf

1、隨著計算機技術、通信技術和網(wǎng)絡技術的迅猛發(fā)展，人們現(xiàn)今主要通過網(wǎng)絡發(fā)表自己對產(chǎn)品的價格、性能和售后等方面發(fā)表主觀性看法、建議以及意見。這些主觀性觀點表達了消費者對產(chǎn)品喜愛或是厭惡等情感傾向。消費者在購買產(chǎn)品之前，通常都會在網(wǎng)上查詢該產(chǎn)品的相關評論以作參考，但受時間和精力的限制，從海量的評論信息中獲取相關信息就變得不甚可行。另外，在實際產(chǎn)品評論中，一種產(chǎn)品可能涉及多篇文檔。而目前大多研究者只針對某類產(chǎn)品評論判斷一篇文檔（句子）所表達產(chǎn)品的

2、整體傾向。如果僅從文檔級或句子級進行情感傾向判別，均不能獲得人們對產(chǎn)品的多個不同品牌在其性能方面的綜合評價。因此，如何有效地，并且最好能自動地對帶有情感色彩的主觀性多文本進行分析、處理、并對其進行歸納和推理，進而發(fā)現(xiàn)和概括相關產(chǎn)品的觀點，這就變得非常的重要。
　　本文研究主要細分為以下幾方面的工作:
　　(1)基于本體的觀點特征的抽取及句子整合。
　　本文利用已建立的領域本體，按照產(chǎn)品性能抽取觀點特征以及其評價詞。本文

3、不進行分詞，直接按照字符的匹配進行抽取。實驗表明，該方法比傳統(tǒng)的分詞后再抽取的結果要好，其F值比之高出55.83％。通過對評價同一對象的句子進行匯總，將評價同一對象的句子看做一個整體來處理，從而將問題轉化為傳統(tǒng)的文檔層面的情感分析問題。對于本體中存在概念之間的關系的觀點特征進行整合，將整合后的特征采用一個“核心詞”來表示。由于各個性能相關的數(shù)據(jù)豐富程度不同，整合后的結果之間有較大的差異?！敖?jīng)濟性”所包含的特征整合掉的較少，“舒適性”經(jīng)過

4、整合后，新特征集的規(guī)模只有原始特征集的40.87％。
　　(2)按照產(chǎn)品的性能建立非完備的情感信息系統(tǒng)，并以此為基礎對特征進行約簡。
　　由于本文的數(shù)據(jù)是一個存在缺失數(shù)據(jù)的系統(tǒng)，因此最終抽取到的特征構成的是一個非完備的系統(tǒng)。對于信息系統(tǒng)中的特征的特征值，本文主要依據(jù)特征其本身的情感傾向值和特征所在句子的情感傾向值這兩方面來綜合計算。本文獲取的觀點特征冗余度高，區(qū)分度差以及存在缺失數(shù)據(jù)，必須進行約簡優(yōu)化。本文采用基于差別矩陣的

5、特征約簡算法，去掉那些區(qū)分能力差且特征值稀疏度高的特征。對于關注度較高的“舒適性”，其約簡率為55.32％，約簡掉的特征較多，很大程度上提高了評價對象的相似性，降低了冗余度。
　　(3)對各性能方面的非完備信息系統(tǒng)的評價對象進行情感聚類。
　　通過對Web評論文檔的聚類，本文可以得到用戶對產(chǎn)品評價的整體預覽以及產(chǎn)品特性的實際評價狀況。本文采用K-means聚類算法，來對各性能方面的非完備信息系統(tǒng)的評價對象進行情感聚類，而聚類