商品主观评论的情感细分类模型研究

在现有褒贬性情感分类的研究中,缺乏对商品具体属性情感倾向的分析。基于此,建立细分类模型,将情感分类分为初分类和细分类两个过程。初分类确定商品评论的整体情感倾向,根据初分类的结果对商品的各个属性再次进行情感分类,以确定具体属性的情感倾向。从而消费者无需阅读具体的文本评论,就可以全面直观地了解商品,缩短做出购买决策的时间,降低决策的复杂度。该模型可作为网上商品销售的一个扩展功能使用,并利用酒店评论文本检测了模型的有效性。同时,论文通过对四种经典的特征算法的测试,发现在情感细分类中互信息(Mutual Information,MI)达到了更高的准确度。

面向商品评论文本的情感分析与挖掘

【目的/意义】随着电子商务的快速发展,互联网上出现大量商品评论信息,商品评论文本的情感分析与挖掘对于研究商品口碑、进行商品推荐都具有重要的价值。【方法/过程】文中设计商品属性提取与过滤算法、情感词判别算法,分析商品的评论信息并自动抽取用户关注的商品属性和用户对相应属性的评价观点,并进一步将其应用于商品评价文本的情感倾向性分析。【结果/结论】实现了自动化的商品属性和评价情感词抽取,实现了商品评论的情感倾向性分析,在真实数据集上进行测试取得了准确率81.08%,召回率88.23%。