NLP论文泛读之《教材在线评论的情感倾向性分析》
本文借助细粒度情感分类技术, 对从网络上抓取大量计算机专业本科教材的评价文本进行情感极性 分析, 从而辅助商家和出版社改进教材的质量、制定 合理的销售策略, 并为潜在消费者的购买决策 供参 考依据.
主要解决了什么问题？
分析、提取对计算机类教材有效的、可靠的评价（当当、京东平台）
1.部分评论有省略号
2.有些评论很简略，没有出现‘书’这个主体对象
主要用到什么方法或技术
流程：
Sep1.去噪
1.1 同一用户针对同一产品发表的多条相同评论、字数多还没有感情色彩的评论、错别字、拼音、英语替换等。
1.2 已去噪的评论数据进行分词和词性 标注
采用技术：
1.1 人工删除等
1.2 利用中国科学院计算机所研发的中文分词软件 ICTCLAS2016 对已去噪的评论数据进行分词和词性 标注.
由于 ICTCLAS2016 对一些计算机专业名词、网 络新词等词汇的切分结果不正确, 因此本文自定义了 领域分词词典, 以优化词汇切分效果.
Sep2.构建情感词典
文本选择了基础情感词典, 构建了领域情感词典、网络情感词典和极性修饰情感词典等资源.
- 公开发表的中文情感词典资源有知网的 HowNet、台湾大学发布的 NTUSD 以及大连理工大学 构建的情感词汇本体库
HowNet 和 NTUSD 仅区分了情感词的极性, 而大连理工大学发布 的情感词典不仅区分了词汇的情感极性, 还 述了词 汇的情感强度.
Sep3.特征词库的构建
需要获取在线评论中用户评价的产品特征.
产品特征一般是名词和名词性短语, 因此 特征 取则转化为对名词和名词性短语的选取和筛选.
由于本文选择的分词工具 ICTCLAS2016 仅能标注 出名词, 但不能标注出名词性短语. 为此, 本文在分词 结果的基础上, 制定了以下 3 条规则识别文本中的名词性短语, 这样就能较为完整地选取教材的候选产品特征.
1. “名词+名词”规则
2. “名词+的+名词”规则
3. “动词+名词”规则
Sep4.判断极性
句法分析工具使用了哈 工大社会计算与信息检索研究中心研发的语言技术平台 (LTP), 通过该平台对优化后的分词结果进行依存关系分析.
Sep5.评估本实验所采用的算法的性能
- 使用了本文构建的 ***教材评论情感 ***词典, 测试算法在产品特征-情感 述项和产品特征极 性方面的识别结果;
- 然后再使用大连理工大学发布的 通用情感词典, 获得相同语料下的识别效果;
- 以人工标注结果为基准, 分别计算使用两部情感词典的识别结果的准确率、召回率和 F 值。
