基于上下文特征分类的评论长句切分方法

• 作者: 岳丽华 殷凤梅 胡玉娟 金培权 陈鸿
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 句子切分 标点省略 机器学习 上下文特征 N元文法 逻辑回归
• 年，卷（期）: 2015,（9）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 233-237,244
• 页数: 6页
• 分类号: TP311
• 字数: 5912字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2015.09.043

摘要

商品评论文本对消费者和商家的决策都有重要参考价值.用户在评论中使用的语言较为随意,语法结构不规则,给文本分析带来很大难度.正确的句子切分是文本信息抽取和挖掘工作的基础.为解决商品评论中用户省略标点情况下的句子切分问题,基于上下文特征,提出使用机器学习的方法对评论长句进行切分.根据大规模评论语料的统计特征选取候选句子切分点,对每一个候选句子切分点提取其上下文特征,并根据语料的统计特征,使用逻辑回归对候选切分点进行分类.实验结果表明,该方法能够有效解决商品评论中用户省略标点情况下的句子切分问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	岳丽华	中国科学技术大学计算机科学与技术学院	98	866	15.0	24.0
2	金培权	中国科学技术大学计算机科学与技术学院	52	467	12.0	19.0
3	胡玉娟	合肥师范学院公共计算机教学部	35	124	7.0	9.0
4	殷凤梅	合肥师范学院公共计算机教学部	31	29	4.0	4.0
5	陈鸿	合肥师范学院公共计算机教学部	11	5	1.0	1.0