共查询到10条相似文献，搜索用时 218 毫秒
1.
[目的/意义] 微博平台产品评论的特征级情感分析问题具有其特殊性,为了对特征分类,解决隐式特征的识别问题,并分析特征情感,提出一种基于特征本体的产品评论情感分析方法。[方法/过程] 该方法利用构建的特征本体对特征词分类,通过计算情感词与特征的搭配权重来识别隐式特征,并构建领域情感词典和微博表情符号词典,计算微博产品评论的特征情感极性和强度。[结果/结论] 构建方法模型,通过采集微博评论数据设计实验,验证了提出方法的有效性。 相似文献
2.
情感分析研究的知识结构及热点前沿探析 总被引：1，自引：0，他引：1
为了解国内外情感分析领域的研究状况,揭示该领域的知识结构、研究热点与发展动态,本文采用共被引分析、聚类分析、共词分析、战略坐标分析等方法,借助CiteSpace、UCINET、BICOMB、SPSS等软件,对Web of Science数据库收录的以情感分析为主题的相关文献进行计量分析与知识图谱绘制。分析结果表明,情感分析的应用、深度学习与神经网络、电子商务下的产品评论、事物情感特征评分、社交网络下用户生成内容、语义定向广告技术以及文本语言属性分析构建了情感分析的知识结构,产品评论与口碑、数据挖掘与人工智能、无监督学习、HadoopMapReduce与支持向量机以及神经网络与深度学习为该领域的研究热点,而顾客评论、推荐系统、极性分类、主题模型、电影评论、推特数据将是未来该领域主要研究方向。 相似文献
3.
在线产品评论中通常包含多个产品特征,影响评论接收者对产品的总体判断.表征产品整体、组件和性能的产品特征词之间存在各种关系,这些关系影响评论接收者的信息处理和整合过程.现有的评论倾向性合成方法主要考虑的是词汇在文本中出现的位置、频率等因素,没有考虑到词汇之间的关系.本文提出了一种基于产品特征词关系识别的倾向性合成方法,首先在产品特征词、情感词和修饰词提取的基础上,将特征句表示为一个三元组,然后识别产品特征词之间的等同、等级和相关关系,构建产品特征词关系图,在此基础上由底至顶、由类内至类间完成文本倾向性合成.我们在手机评论集上对该方法进行了验证,实验结果表明,使用该方法得到的评论倾向性值与在线评分、人工标注倾向性值之间存在显著的正相关关系,相关系数分别为0.701和0.823. 相似文献
4.
本文采用内容分析法,以网民对苏家权事件的评论文本数据为样本,进行高频特征词分析、内容分析和情感分析,认为在此次事件中网民表现出了高参与性、高互动性、高针对性、相对扩展性、情感倾向性等特征。 相似文献
5.
考虑到中文网络评论的复杂语义特性,为提高产品特征观点倾向性判断的精确性,提出一种复杂语义倾向性计算方法.该方法在建立产品领域情感词典的基础上,首先确定特征观点窗口的度量范围,完成特征观点组的提取;然后在特征观点组中综合考虑观点词的程度、反转语义及特征评价的频数等多种因素,完成特征评价倾向性的计算.实验结果表明,本文所提出的方法在特征评价倾向性分类方面可以达到较高的查全率和查准率,而且与SO-PMI方法相比,可明显提高特征评价的计算精确性. 相似文献
6.
文本分类是信息检索领域的重要应用之一,由于采用统一特征向量形式表示所有文档,导致针对每个文档的特征向量具有高维性和稀疏性,从而影响文档分类的性能和精度。为有效提升文本特征选择的准确度,本文首先提出基于信息增益的特征选择函数改进方法,提高特征选择的精度。KNN(K-Nearest Neighbor)算法是文本分类中广泛应用的算法,本文针对经典KNN计算量大、类别标定函数精度不高的问题,提出基于训练集裁剪的加权KNN算法。该算法通过对训练集进行裁剪提升了分类算法的计算效率,通过模糊集的隶属度函数提升分类算法的准确性。在公开数据上的实验结果及实验分析证明了算法的有效性。 相似文献
7.
8.
9.
基于微博的情感分析近几年获得了广泛的关注,但是通常是对微博上的电影或者产品的评论。我们的研究目标是针对微博上的热点事件的分析,将这些事件的评论分为正向或者负向,将微博用户的评论进行分类有利于辨别公众对于这个事件的普遍看法。本文提出了一个基于卷积神经网络的混合模型：CNN-SVM,用于对事件的评论进行分类。其次,根据微博用户的转发行为,我们提出了一种新的数据结构——转发树,用以解决评论中的一些分类混乱情况。实验结果表明CNN-SVM 确实提高了情感分类的正确率,新提出的转发树结构在对真实世界的情感倾向性的逼近中也是十分有效的。 相似文献
10.
为解决传统的情感分析方法中存在的语义理解能力不足和情感分析不充分问题,本文从语义的角度,运用构建模糊情感本体的方法,对中文在线评论情感分析进行研究.引入情感空间模型,并将传统的在线评论情感分析细分为特征评价和情绪表达两方面.基于已建立的模糊情感本体,对产品(服务)的特征、情感类和强度、程度词、否定词、修辞方法和标点等语义元素进行标注,构建从句子层到文档层的情感计算方法.选取有代表性的评论语料进行实验,结果表明建立的情感分析方法具有优良的准确性和应用性,进一步分析发现不同评论语料中情感具有不同的表达形式和关联关系. 相似文献