面向产品特征的中文在线评论情感分类:以本体建模为方法

在线产品评论反映了用户对产品的体验,对其进行情感分类不仅有利于商家的战略发展,也有助于消费者理性购物。然而,现有研究大多采用上下文无关的情感分类方法,却无法处理褒贬混合的评论及情感词极性随上下文变化的情况,从而导致情感分类的精度不高。针对现有研究的不足,提出一种产品特征级情感分类方法。基于领域本体识别评论中的特征观点对,根据已知极性的评论判断特征观点对的极性。最后,通过加权平均的方法合计评论中各个特征观点对的极性,最终实现对评论的情感分类。为了验证方法的有效性,以手机和数码相机评论为对象设计实验,实验结果表明,本文提出的方法具有一定的领域普适性,能有效识别不同领域评论中的特征观点对,并判断其情感极性。结果还显示,在准确率、召回率和调和评价值3项性能指标上,该方法都优于文档级、句子级和词语级的基线实验方法。

中文在线评论的用户性别判定研究

该文旨在研究中文在线评论的用户性别判定问题,即根据用户的商品评论识别用户的性别.首先研究了在线评论中对用户性别起指示作用的信息,然后从用户名、商品描述和评论文本中抽取特征,分别采取独立特征、叠加特征及融合特征的方式构建最大熵分类器进行实验.实验结果表明,用户名+商品描述+评论文本的分类器准确率最高.

基于混合神经网络的中文在线评论产品特征提取及消费者需求分析

【目的】从中文在线评论中提取产品特征,并结合评论内容对消费者需求进行分析。【方法】首先提出一种混合神经网络(HNN)模型用于从中文在线评论中提取产品特征,进一步将关键事件技术及抱怨和赞扬分析理论应用到Kano模型中,对产品特征进行分类和优先级排序。【结果】HNN模型的F1值达到94.85%,比变体基准模型平均提高10.52个百分点,比业界其他模型平均提高9.47个百分点。【局限】所提方法是一种监督方法,对标记信息的需求限制了其应用。【结论】所提方法通过解决中文产品特征提取的问题,提升了产品特征提取的精度。结合提取的特征进行消费者需求分析,对产品特征进行分类和优先级排序,为产品管理者构建产品提升策略奠定基础。

基于情感本体的在线评论情感极性及强度分析:以手机为例

对在线评论进行情感分析,有利于消费者制定购买决策,也有利于商家确定营销策略。已有对在线评论的研究,多单独采用语义方法或统计方法进行单粒度的情感分类。语义方法借助已有情感词典,忽略了上下文语境,影响分类准确率;统计方法需要对大量语料进行人工标注,影响分类效率;只针对单粒度语料分类,不能同时获得用户对产品整体和细节特征的观点,影响分类结果的应用性。针对以上问题,本文提出一种基于情感本体的在线评论情感极性及强度分析方法。首先,根据已有在线声誉系统和中文网络词汇特点,结合语义方法和统计方法,通过特征观点对的抽取和观点词情感的判断,构建情感本体。情感本体的构建既考虑了上下文语境,又不需要预先的语料标注;其次,通过情感本体的应用,实现了在线评论的评论整体和具体特征的情感极性及强度分析。通过对手机评论的实验,结果显示,通过应用该情感本体,可以有效地给出用户对产品整体和属性细节的满意或不满意的态度。