汉语句子语义极性分析和观点抽取方法的研究

利用自然语言处理技术,对中文网络评论语句进行语义极性分析和观点抽取。提出了计算词语上下文极性的算法,并且分析主题和修饰成分的匹配关系。最后与手工标注结果进行比较,通过实验证明了该算法的合理性和有效性。

基于语义极性分析的餐馆评论挖掘

提出一种基于语义极性分析的餐馆评论挖掘方法。将餐馆的食物口味、环境、服务、价格作为其特征,以句子为单位对用户评论进行特征标注。将具有多个特征的复杂特征句划分为简单特征句,分析评论句的语义极性和极性强度。使用户可方便地了解其他用户对某个餐馆某种特征的评价,为用户消费提供了有力指导。

基于语义准则函数的中文评论性文本极性聚类算法研究

通常用于评论性文本极性挖掘的方法是采用有监督的学习算法完成的,但有监督的学习算法需要大量人工标注的训练集,而且其在处理文本集时还会面临维数灾难、稀疏向量、高时空复杂度、低召回率和精确率等问题而无法用于海量的文本极性分类任务。经典的K-means均值聚类算法是聚类分析中使用最为广泛的算法之一,其具有诸多的优良特性和不足。针对上述情况,本文将语义引入经典K-means均值聚类算法中,构造了专门针对中文评论文本极性判断的极性词语义词典,提出了一种基于语义准则函数的K-means均值聚类算法。这项研究是运用基于语义的聚类方法对汉语主观性文本处理的一次探索。实验结果显示总平均召回率达到了80.70%,总平均精确率达到了67.75%,说明该算法是可行和有效的。

“原因前置词+X+的+关系”结构及其形成

“原因前置词+X+的+关系”结构中“关系”表原因,具有后置词性质。该结构有六种形式,文章重点描写其句法功能与分布,分析X的语义特点,对“关系”表原因的后置词用法进行了溯源。“关系”本指某种具体关系,与X所指相同,这种同一性是结构发生重新分析和“关系”语法化的诱因。X从该结构形成初期就显示出以消极性语义为主的倾向,X为NP时经常隐含消极语义。

中国英语学习者近义词使用情况的语义韵新解——对比affect和influence

本文以英语中的一对近义词affect和influence为切入点,对比了它们在本族语语料库FROWN和学习者语料库CLEC中的语义韵异同。笔者从语义韵常模、语义韵极性和语义韵力度等三个参数入手,分析了两个词在两种语料库中所反映出的语用方面的态度意义。结果发现,affect在两个语料库中的语义韵常模和语义韵极性相同,语义韵力度不同。influence在两个语料库中的语义韵常模和语义韵极性都不相同。目前,从语义韵的上述三个参数入手对中国英语学习者近义词的使用进行调查的研究为数很少,本文对此进行了尝试,为日后的语义韵研究拓宽了新的思路,为学习者近义词的学习提供了新的方法。