中文文本情感分析综述

由于主观性文本有很多应用价值,情感分析近年来引起了很多研究人员的兴趣。情感分析是对主观性文本进行挖掘与分析,获取有用的知识和信息。针对中文文本情感分析的研究现状与进展进行总结。首先按粒度层次,从词语级、语句级、篇章级三个不同粒度层次细致地介绍相关的技术,再按文本的类型,分析了产品评论和新闻评论的研究进展。接着介绍了中文文本情感分析的评测和相关资源,最后总结了中文文本情感分析的研究难点与未来的研究方向。

一种基于情感分析的UGC模糊综合评价方法——以淘宝商品文本评论UGC为例

模糊综合评价方法是一种对定性问题进行定量评价的有效方法,在电子商务、采矿、环境等领域有着广泛的应用。文章针对Web 2.0环境下文本形式的评价信息用户生成内容(UGC),在情感分析的基础上,利用模糊统计方法确定指标权重和模糊综合评价的隶属度,通过比较分析选择适合的模糊合成算子,建立用户生成内容模糊综合评价模型FCE。并以淘宝商品文本评价信息为测试数据,对综合评价方法 FCE进行了实证分析,证明了FCE的有效性。

基于文本分类的商品评价情感分析

为了在准确判断商品评价情感倾向的同时提高识别效率,提出了基于矩阵投影(MP)和归一化向量(NLV)的文本分类算法实现对商品评价的情感分析。首先,利用矩阵投影提取商品评价的特征词;然后,计算每一类别中特征词的平均特征频率(FF),采用归一化函数(NLF)对平均特征频率进行归一化处理,得到每一类别的归一化向量;最后,通过比较评价的特征向量与每一类别的归一化向量的相似度预测评价的情感倾向。与k近邻(kNN)、朴素贝叶斯(NB)和支持向量机(SVM)算法进行了对比,实验结果表明该算法具有较高的预测准确度和分类速度:尤其与kNN算法相比该算法有明显优势,该算法的宏平均F1值比kNN高出12%以上,分类时间缩短了11/12;与SVM算法相比分类速度也大幅提高。

基于情感挖掘的学生评教系统设计及其应用

学生评教是高校普遍实行的一项管理制度,评教结果的有效性,即评教的质量受到教师、学生、教学管理者的高度关注。该文利用语义分析技术对学生留言进行情感挖掘,建立基于知网的情感词库,并设置词的极性权重;以3GWS工具进行分词与词性标注;对留言的情感褒贬程度进行计算,形成教师的评价摘要。以烟台大学评教数据为实验数据,验证该方法科学、有效。

基于文本情感分析的城市公园使用感知评价研究——以重庆36个公园为例

公园是城市重要的公共空间,是居民亲近自然、放松身心的主要场所。用户在访问公园过程中,多种感知要素影响其体验和评价,通过分析其影响机制和特征可以针对性地改善使用体验,提高规划的人文关怀。本文以重庆36个公园为例,通过网络爬虫技术采集海量用户点评数据,使用百度深度学习模块进行文本情感分析,共挖掘10个感知要素。通过分析要素感知频率、感知倾向以及不同公园类型自身感知特征,提取影响公园感知的6个关键因素,其中自然景观、绿化覆盖、公园规模、声音气味4个要素可以通过提高可视性等措施来增加积极感知,公园服务设施、地形起伏2个要素是公园规划建设中应重点改善的内容。本文希望通过使用感知导向的主观评价,为人性化公园和宜居城市建设提供指导。

基于大数据的交通运输公众评议指数设计及应用

为更好地评价我国的交通运输基本能力与交通运输服务水平,提出了基于文本分析算法和情感分析算法的公众评议指数计算模型。针对我国交通运输客货运、重大事件、重大安全事故等方面的公众评议,基于共享交通平台、在线票务平台、出行服务平台、电子商务平台、社交媒体平台5类数据源上发布的交通运输相关内容并综合公众对于其提供的直接或第三方服务的评价、意见、投诉等,利用网络爬虫等方式收集数据,对数据进行了预处理并基于领域、内容、情感分析器对模型进行了训练。通过对不同的领域及内容赋予权重,将文本中的情感值和领域内容方向的权重相结合,得到相关评议指数。以马蜂窝平台中的问答数据为例,通过基于大数据的评议指数计算模型对客运相关企业进行了指数评议。分别验证了综合评议指数计算框架中提出的领域、内容、情感3个分类器的有效性。实例分析结果表明:该模型较传统指数计算模型,对于信息的挖掘更加深入,能够简单、高效地完成模型的训练并达到较高的分类准确率;在后续增量数据的补充过程中,可以克服因初始样本不足导致的信息不足问题,能够作为对传统评价指标的补充,在实际应用中具有可行性。

中文比较句的自动识别

评价文本的比较句识别是比较句情感分析的一项基础任务,具有重要的研究价值。提出中文比较句自动识别的方法,首先对包含至少一个关键词的候选比较句进行抽取,从而形成候选比较句集合,而后通过对候选比较句集合采用多特征融合的分类方法进行分类。实验结果表明比较句识别的性能达到87.26%的F1值。

网络论坛教学评论的自动情感分析方法——以湖南商学院枫华论坛为例

校园网络论坛已经成为大学生实时发布各种观点和体会的公共平台。论坛产生的评论数据正以指数级的速度在增长,这些评论中包含了许多对教学管理有价值的信息,但是由于整个论坛的评论数量众多,很难用人工的方法抽取并且分析其中的教学评论情感信息,因此这些信息目前尚未得到管理者应有的关注。文章采用自动贝叶斯文本情感分类技术将校园网络论坛中的教学在线评论分成好评和差评情感信息,在湖南商学院枫华论坛上抽取的教学评论数据集上的分类准确度达到了87.3%,同时其结果的分布与人工标注结果的分布也不存在统计意义上的差异。该方法能够克服现有网上评教方法的一些缺陷,为教学管理部门实施动态教学管理提供了一种新的途径。

京东生鲜物流客户满意度测评

基于京东平台上生鲜物流评论文本内容,构建了京东生鲜物流客户满意度测评模型。利用网络爬虫、词频统计提取京东生鲜物流评价指标,结合层次分析法和专家经验,得到各评价指标的权重,再通过GooSeeker软件对各评价指标的评论进行情感分析,最终结合权重和评分对京东生鲜物流客户满意度进行测评。测评结果表明,在京东生鲜物流客户满意度上,客户最关注完整性,最不关注友好性,对及时性最满意,对可靠性最不满意,并得到了京东生鲜物流客户满意度测评值。

网络论坛教学评论与网上评教的比较研究

校园网络论坛已经成为大学生实时发布各种观点和体会的公共平台,不过其中产生的教学评论信息目前尚未得到应有的关注。文章尝试采用自动文本情感分类方法抽取和分类论坛上的教学评论信息,并且与教务系统中的网上评教进行了比较分析。结果表明:与网上评教相比,尽管四个主要因素对两者结果的影响相同,但是网络论坛的教学评论更倾向给出建议性质的批评。因此,网络论坛教学评论可以作为网上评教的辅助手段,弥补现有网上评教方法的不足,为教学管理部门实施动态教学管理提供了一种新的途径。

基于深度学习的学生教学评价情感分析

随着教育信息化建设的深入推进,教学系统中积累了海量的学生教学评价数据,这些数据蕴含了丰富的信息,亟待挖掘利用。为了挖掘学生教学评价中的情感倾向,为提高教学质量提供科学依据,文章提出了一种基于双通道深度记忆网络的深度学习模型,用于学生教学评价的方面级情感分析。在该模型中,设计了双通道策略以充分提取评语中隐含的局部特征和上下文依赖信息,并使用循环注意力机制提取与特定教学方面相关的情感信息以实现细粒度的方面级情感分析。通过在真实的教学评价数据集上进行实验,结果表明,所提出的方法能有效挖掘学生评价中关于不同教学方面的情感倾向,为教师和教学管理者了解并改进教学提供依据。

基于对话文本智能挖掘的电力设备供应商评价

目前电网企业的电力设备供应商满意度评价主要依赖于人工统计和指标计算,其准确性受评价人员和评价内容的影响较大。以电力业务平台的对话文本为研究对象,在扩充已有电力本体词典的词条和属性的基础上,建立了基于文本挖掘技术的电力设备供应商评价模型。首先提出了基于Transformer的双向编码器下句预测与余弦相似度加权的单轮对话文本下句预测分析方法,建立了对话中断交叉处理流程和供应商识别规则,实现了电力对话文本主题归纳;然后考虑对话文本语义情感的复杂性,提出了对话情感分析规则,建立了供应商评价模型。最后通过算例验证了所提方法的准确性,结果表明基于对话文本智能挖掘的电力设备供应商评价,具有可行性和有效性,可以作为目前评价方法的有益补充。

基于改进双向LSTM的评教文本情感分析

为提高教评文本情感分析的准确率和适用性,提出一种利用改进Bi-LSTM结合Word2Vec的评教文本情感分析方法。采用词向量(Word2Vec)方式将每个文本转换为输入层中特征空间的句子表达,完成词向量的转换;改进Bi-LSTM以解决深度神经网络的退化问题,结合语法规则,构建情感分类器。基于Python开发环境对所提方法进行实验对比,实验结果表明,所提方法的分析性能优于其它对比方法,其准确率、精度、召回率和F1值分别达到93%、89%、97%和92%,具有较理想的分析能力。

基于大数据的汉语国际教育硕士教材研究--以《汉语国际教育硕士系列教材:核心课教材》在线评论为例

使用数据挖掘和文本分析处理方法,以主流网络购书平台的《汉语国际教育硕士系列教材:核心课教材》读者评分及评论文本为研究对象,利用python采集、清洗、分析并可视化数据,创建出评论关键词词云,计算出文本情感倾向值。结果显示该教材深受读者欢迎,读者评分和评论文本情感值得分均较高,同时评论文本分析显示该教材受到了行业的认可,教师推荐度较高。但教材也有内容较单薄,相较之前的类似教材无太多创新等不足之处。文章的创新和意义体现在基于大数据样本评估教材,试图寻找教材评估研究新方法,同时也为教材编写者和使用者提供建设性的意见。

基于主题模型和情感分析的进口跨境电商顾客满意度评价研究

进口跨境电商已成为驱动国内消费增量的新业态,而顾客满意度的高低则是进口跨境电商提高留存率和转换率的关键。与此同时,海量的在线评论为商家提供了极具价值的信息,对其进行情感挖掘将有助于商家优化产品供给。为此,选择京东全球购个人护理产品作为研究对象,通过构建进口跨境电商顾客满意度综合评价模型,运用TF-IDF算法和文本聚类LDA主题模型等对评论文本内容进行分析和主题特征提取,并建立情感词典依次对顾客满意度各影响因素匹配赋值打分,以此来确定各项用户需求的重要度和产品及服务改进的优先级顺序。最终研究表明影响顾客满意度的各个因素综合得分排序从高到低为产品质量、物流服务质量、品牌信誉、感知价值、商家服务质量。

情感分析技术在研究生评教文本中的应用

教学评价情感特征不明显,复杂句式使用较多,而传统的情感分析方法往往忽略对复杂句式的分析。针对评教文本上述特点,提出一种基于情感词典的情感分析方法,该方法基于评教领域情感词典,融合复杂句式特征,定量计算文本的情感强度。将该方法应用于南京理工大学研究生综合管理信息系统中的评教文本,实验结果表明,所提方法有效地解决了评教文本的情感分类问题,具有较强的实用性。

基于情感分析的学生评教文本观点抽取与聚类

针对学生网上评教文本由于非结构化的特点难以进行常规的数据统计分析从而导致利用率低的问题,提出了一套完整的基于情感分析技术的学生评教文本分析方法。首先,利用情感极性分类技术将学生的评语分成积极和消极两类;然后,利用基于词性的观点抽取技术得到每条评论的核心观点,并通过独热编码结合杰卡德距离和基于同义词词林的词语相似度算法进行文本向量化与距离计算;接着,用聚类算法将表达相同观点的文本归类,同时计算每一类包含的评论数;最后,以云图的形式将统计分析结果可视化输出,把学生的反馈直观简洁地呈现出来。以南京航空航天大学的评教文本数据为实验数据,对比输出结果和原始文本,情感分类准确率达89%,超过了大部分分类算法在学生评教文本方面的应用,验证了该方法的有效性,弥补了目前从原始评教文本到最终应用这一完整流程的缺失,对于推动教师治理和教师教育具有现实意义。

基于教学评价的中文短文本情感分析

为了全面提高高等教育教学质量,从督导专家角度提高教学评价有效性,提出一个基于教学评价的中文短文本情感分析方法。针对中文短文本教学评价数据专业性强、特征稀疏等特点,建立教学评价专业词典,结合word2vec语言模型训练词向量,对教学评价数据的属性特征进行降维,采用线性核、多项式核和径向基核三种内核的支持向量机算法,对教学评价中的中文短文本数据进行情感分类,以判断评价的情感倾向。实验结果表明,支持向量机在径向基核函数下的情感分类性能最好,有助于教学质量的提高。

基于文本挖掘的游客对古镇旅游态度的分析

围绕游客的反馈,分析古镇旅游项目存在的问题及游客的态度。选取了5个各具特色的古镇——甲居藏寨、西江千户苗寨、周庄古镇、黄姚古镇、西塘古镇作为参考。利用大量的评论进行文本挖掘、统计词频,分析热门话题。再运用情感分析得到评分,进而分析游客的好感度及可能影响评价的因素。最后,结合因子分析建立综合模糊评分模型,以计算古镇旅游的最终得分。研究结果可作为参考,以此优化改善古镇旅游体验,保护历史文明遗址。

基于标签传播的评教文本情感词典构建

情感词典是情感倾向分析的基础工作.提出了一种领域情感词典自动构建方法,并构建了带有情感权重的评教领域情感词典.首先选取情感倾向稳定、情感强度高、词频高的种子词,再使用点互信息PMI计算种子词与候选词的共现程度,作为关联图的权重.最后利用标签传播算法标注候选词的极性,行标准化最后的标签矩阵,将标签矩阵中的概率值作为情感词的强度.尽管PMI可以很好地衡量词之间的紧密程度,但缺少了对复杂句式的处理,将CRM算法的情感标注思想引入到PMI的计算中后,能够使PMI计算结果更加可靠.实验结果表明,该方法在真实评教文本数据集中,能够取得较好的效果.