基于“ 属性-情感词”汽车本体的文本情感分析

对特定领域网络评论进行情感分析,可以帮助商家更深入地了解用户需求、总结自身产品和服务的优势与不足,也可以帮助消费者了解特定领域产品各方面性能的评价分布,从而优化其消费决策。提出一种面向汽车领域的“属性-情感词”本体构建流程,并在此基础上提出基于“属性-情感词”本体的汽车评论文本观点句情感分析方法。该方法以观点句识别方法为基础,利用“属性-情感词”本体对汽车领域产品的八个维度(属性)进行情感分析,并与经典的朴素贝叶斯情感分类方法进行实验对比。结果表明提出的方法能有效提高属性层面上的情感分析准确率和召回率。但由于汽车领域的细粒度情感分析效果会受到“属性-情感词”本体的完善程度及相关规则的影响,因此需进一步完善“属性-情感词”本体,并构建更为全面的规则。

汉语组块分析在情感分类中的应用研究

网络产品评论的情感分析对网络用户的日常购买行为有着重要的决策作用,因此,如何利用细粒化的处理方法提高情感分析的准确率,成为了一个热门的研究话题。针对该问题提出一种基于汉语组块分析的情感识别方法,首先依靠汉语组块分析对汽车评论语料进行细粒化的处理并提取情感标签,再结合情感词本体和支持向量机模型对情感标签进行分类,从而实现情感倾向性的判别。实验表明,采用汉语组块分析的情感分类方法相比其他的分类算法平均准确率提高了4%。因此,基于汉语组块分析的情感分类可以降低分类器的输入特征维数,并有效提高分类器的分类性能。