基于非完备信息系统的评价对象情感聚类

该文利用领域本体对产品评论文本中的评价对象进行抽取和整合,在此基础上,建立产品性能的非完备信息系统,将特征的情感倾向寓于特征的权重计算之中。对非完备信息系统,给出了基于差别矩阵的启发式特征约简方法,通过特征降维处理,达到了减少特征的冗余度和数据稀疏性的目的。对降维后的非完备信息系统采用K-Means聚类算法,实现了评价对象情感聚类。为了验证该文提出方法的有效性,在真实汽车评论文本数据上进行实验,实验结果表明,在对特征进行一定程度的降维后,仍表现出较好的聚类效果。

基于汽车评论文本的观点方面特征约简方法

本文从评论文本中挖掘得到的观点特征出发,完成对各个观点方面的评价预测,并由各个方面汇总出产品的整体评价。由于抽取得到的观点特征存在冗余度高、缺失数据的问题,我们运用本体的相关理论和非完备信息系统特征约简技术对特征进行约简。实验证明,本文提出的方法在保证良好的评价预测性能的前提下,有效的降低了观点特征的数量。