积分商城

最新搜索： ispLEVER ESAM sonar STM8S003 BRIGHTEK 电解电容封装库
您现在的位置是：首页 > 技术资料 > 网络评论方面级观点挖掘方法研究综述
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

网络评论方面级观点挖掘方法研究综述

更新时间：2019-12-25 16:15:02 大小：1M 上传用户：守着阳光1985查看TA发布的资源 标签：网络评论 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

网络评论的观点挖掘任务是文本分析的关键问题之一.随着网络评论的快速增长,用户在浏览评论时更加关注细粒度的信息,因此,对评论进行方面级观点挖掘能够帮助消费者更好地做出决策.过去的10多年间,研究人员在大量网络评论语料库上进行观点挖掘等相关研究,并取得了丰硕的研究成果和广泛的应用价值,更不乏优秀学者对观点挖掘方法现状进行综述总结.然而,有针对性地对观点挖掘中的方面提取与观点提取进行综述总结的成果较少.综述了近年来网络评论方面级观点挖掘的研究现状:首先,介绍了方面级观点挖掘的相关问题描述;然后,重点分类介绍方面提取方法及观点内容提取的主要方法;随后,总结了方面级观点挖掘的常见评价指标以及在社会中的广泛应用价值;最后,根据对现有方法提出具有挑战性的方向并进行系统总结.对方面级观点挖掘进行综述有助于比较不同方法的差异,从而发现有价值的研究方向.


部分文件列表

文件名 大小
网络评论方面级观点挖掘方法研究综述.pdf 1M

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
软件学报ISSN 1000-9825, CODEN RUXUEW  
Journal of Software,2018,29(2):417−441 [doi: 10.13328/j.cnki.jos.005386]  
©中国科学院软件研究所版权所有.  
E-mail:  
Tel: +86-10-62562563  
网络评论方面级观点挖掘方法研究综述∗  
1,2  
1
1
1
1
1,2  
韩忠明  
,
李梦琪  
,
刘
雯
,
张梦玫  
,
段大高  
,
于重重  
1(北京工商大学 计算机与信息工程学院,北京 100048)  
2(食品安全大数据技术北京市重点实验室(北京工商大学),北京 100048)  
通讯作者: 韩忠明, E-mail:  
摘
要: 网络评论的观点挖掘任务是文本分析的关键问题之一.随着网络评论的快速增长,用户在浏览评论时更  
加关注细粒度的信息,因此,对评论进行方面级观点挖掘能够帮助消费者更好地做出决策.过去的 10 多年间,研究人  
员在大量网络评论语料库上进行观点挖掘等相关研究,并取得了丰硕的研究成果和广泛的应用价值,更不乏优秀学  
者对观点挖掘方法现状进行综述总结.然而,有针对性地对观点挖掘中的方面提取与观点提取进行综述总结的成果  
较少.综述了近年来网络评论方面级观点挖掘的研究现状:首先,介绍了方面级观点挖掘的相关问题描述;然后,重点  
分类介绍方面提取方法及观点内容提取的主要方法;随后,总结了方面级观点挖掘的常见评价指标以及在社会中的  
广泛应用价值;最后,根据对现有方法提出具有挑战性的方向并进行系统总结.对方面级观点挖掘进行综述有助于比  
较不同方法的差异,从而发现有价值的研究方向.  
关键词: 观点挖掘;方面提取;观点表达提取;序列标注;网络评论  
中图法分类号: TP311  
中文引用格式: 韩忠明,李梦琪,刘雯,张梦玫,段大高,于重重.网络评论方面级观点挖掘方法研究综述.软件学报,2018,29(2):  
417−
英文引用格式: Han ZM, Li MQ, Liu W, Zhang MM, Duan DG, Yu CC. Survey of studies on aspect-based opinion mining of  
Internet. Ruan Jian Xue Bao/Journal of Software, 2018,29(2):417−
Survey of Studies on Aspect-Based Opinion Mining of Internet  
HAN Zhong-Ming1,2  
,
LI Meng-Qi1, LIU Wen1, ZHANG Meng-Mei1, DUAN Da-Gao1, YU Chong-Chong1,2  
1(School of Computer and Information Engineering, Beijing Technology and Business University, Beijing 100048, China)  
2(Beijing Key Laboratory of Big Data Technology for Food Safety (Beijing Technology and Business University), Beijing 100048, China)  
Abstract: Opinion mining (OM) of Internet reviews is one of the key issues in text analysis. As the rapid growth of the Internet reviews,  
users pay more attention to all this fine-grained information when browsing comments. Therefore, aspect-level OM can help consumers  
make better decisions. In last decade, researchers conducted opinion extraction and analysis on a large number of Internet reviews corpus,  
and have achieved fruitful research results and broaden the scope of application. There were also some scholars conducted summaries on  
the present situation of OM methods. To rectify the lack of specific summaries on aspect extraction and opinion expression extraction, this  
paper analyzes and summarizes the recent research status of aspect-level OM on Internet reviews. The paper describes the aspect-level  
OM, introduces the different methods of aspect extraction and opinion expression extraction, and summarizes the evaluation measures of  
aspect-level OM and application values. In the end, it provides an overview of the future challenges along with a synopsis on the existing  
techniques. This specific survey on aspect-level OM helps to evaluate the different methods and find valuable research direction.  
Key words: opinion mining; aspect extraction; opinion expression extraction; sequence labeling; Internet review  
∗ 基金项目: 国家自然科学基金(61170112, 61532006); 北京市自然科学基金(4172016)  
Foundation item: Foundation item: National Natural Science Foundation of China (61170112, 61532006); Beijing Natural Science  
Foundation (4172016)  
收稿时间: 2017-01-10; 修改时间: 2017-06-09, 2017-08-25; 采用时间: 2017-09-09; jos 在线出版时间: 2017-10-09  
CNKI 网络优先出版: 2017-10-09 16:20:55, http://kns.cnki.net/kcms/detail/11.2560.TP.20171009.1620.006.html  
418  
Journal of Software 软件学报 Vol.29, No.2, February 2018  
随着网络技术的迅速发展以及计算机与手机等互联设备的普及,互联网已经成为日常生活中不可或缺的  
一部分,人们也愈加倾向于借助互联网来发表自己对电子商品、餐饮服务及热门时事等事物的看法与观点,这  
样就产生了大量的网络评论.网络评论通常针对某一实体描述,且涵盖较多包含主观倾向的内容信息.网络评论  
文本的观点挖掘任务可看作是从评论文本中获取对评论实体有价值的观点评论信息,从而有助于进一步地对  
文本信息进行如情感倾向性分析等有应用价值的处理.  
用户在针对某实体发表观点时,除了在评论中给出总体评价外,通常也会针对该实体的多个方面发表观点  
评论.事实上,这些细粒度的信息同样会受到广大用户阅读时的重点关注,同时也更加值得研究者们进一步去挖  
掘、分析与总结.举例分析,图 1 给出了两条小米 5s 手机评论,两条手机总体给出的评分均为 5 分,没有区分度.  
当用户阅读该评论并试图寻找产品特征时,则会更关注这两条评论中细粒度的信息.如,第 1 条评论反映了快递  
速度快,急切买到的用户可能因此而下单;第 2 条评论提到了手机运行流畅但电池容量小,因此对电池要求过高  
的用户可能不会下单或继续观望.因此,面对互联网中海量的评论内容,我们需要一种能够自动对大量评论数据  
进行方面级观点挖掘的方法来挖掘和分析评论中细粒度方面的观点,这样才能使用户更快速、更准确地发现评  
论中有价值的观点,卖家也能因此为用户提供更有效的推荐决策等服务.  
Fig.1 MI 5s’ phone comments  
图1 小米5s 手机评论  
观点挖掘研究技术最早在1997 年由Hatzivassiloglou 等人[1]提出,随着互联网的发展,观点挖掘逐渐成为数  
据挖掘中最重要的研究领域之一.在观点挖掘研究不断发展与壮大的同时,不乏众多优秀学者对该领域问题进  
行分析总结.国内学者中,姚天昉等人[2]在 2008 年对观点挖掘的研究现状进行了总结,主要内容包括:介绍观点  
挖掘的定义及研究目的;分别从方面提取、观点发出者识别、观点陈述提取和情感分析这几方面进行分析,同  
时总结了一些应用于生活中的应用系统;详细叙述中文文本观点挖掘的研究现状.王辉等人[3]在 2009 年针对观  
点挖掘的各种应用形式进行了较为详尽的阐释,其内容主要以文本观点挖掘、观点搜索与观点作弊这3 个方面  
为主.陈旻等人[4]在 2014 年以观点挖掘的任务流程为引导,分别从观点提取、观点倾向性分析、观点总结等方  
面进行了较为全面、详细的分析.国外学者中,Pang 等人[5]在2008 年分别从观点挖掘的技术方法、观点挖掘的  
应用及未来面临的挑战这3 个方面进行综述.Liu[6]在 2012 年对观点挖掘领域涉及到的各项方法技术进行了较  
为全面的综述.Ghag 等人[7]列出了38 种观点挖掘所适用的方法,但缺少对问题有针对性的分类.2015 年,Ravi 等  
人[8]、Bhatia 等人[9]与Guellil 等人[10]分别对观点挖掘领域进行了较为详尽的综述,其中,Guellil 等人总结了整个  
社交媒体领域的相关问题与方法研究,包括用户数据挖掘、用户关系挖掘及用户所发表的文本数据挖掘等.  
Rana 等人[11]在 2016 年分别从显式方面提取及隐式方面提取两个角度对方面挖掘技术做了较全面的综述.Sun  
等人[12]于2017 年分别对自然语言处理(natural language processing,简称NLP)开源工具、不同层次的观点挖掘  
方法及现有资源进行了综述,此外,还特别对“比较级观点挖掘”这一新兴领域进行了初步综述.李建华等人[13]针  
对不同层次的情感分析技术进行了综述,并对词库资源、语料库资源、评测方法及重要会议等进行了总结分  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号