原文服务方: 计算机应用研究       
摘要:
针对用户评论中产品特征—观点对的提取及情感分析问题进行了研究.为了提高提取及分析的准确性,利用组块分析提取产品特征,从中寻找到频繁项集,并用逐点互信息量(PMI)对候选产品特征进行过滤,得到产品的特征集合;利用特征与情感词在位置上的邻近关系,提取情感词并组成特征—观点对,通过点互信息方法(SO-PMI)进行情感倾向分析.为验证该方法的有效性,以酒店评论文本为例,从中提取酒店的特征—观点对并进行情感分析,准确率为76.68%,召回率为70.84%.实验结果表明,引入组块分析可以有效地解决商品评论的细粒度情感分类问题.
推荐文章
汉语组块分析在情感分类中的应用研究
汉语组块分析
情感标签
情感词本体
情感分类
基于多特征融合的汉语情感分类研究
文本情感分类
情感词典
点对互信息
特征选择
朴素贝叶斯
基于视觉的情感分析研究综述
视觉情感
情感预测
深度学习
计算机视觉
社会化媒体
基于特征模板提取及SVM的观点句识别
观点句识别
微博
二元模板
特征提取
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于汉语组块产品特征—观点对提取与情感分析研究
来源期刊 计算机应用研究 学科
关键词 情感分析 汉语组块分析 特征—观点对提取 点互信息方法
年,卷(期) 2017,(10) 所属期刊栏目 算法研究探讨
研究方向 页码范围 2942-2945
页数 4页 分类号 TP391
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2017.10.014
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘臣 上海理工大学管理学院 34 207 8.0 13.0
2 霍良安 上海理工大学管理学院 34 185 8.0 12.0
3 安咏雪 上海理工大学管理学院 3 9 1.0 3.0
4 韩林 上海理工大学管理学院 4 9 1.0 3.0
5 李丹丹 上海理工大学管理学院 4 66 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (97)
共引文献  (196)
参考文献  (11)
节点文献
引证文献  (8)
同被引文献  (20)
二级引证文献  (3)
1951(1)
  • 参考文献(0)
  • 二级参考文献(1)
1960(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(5)
  • 参考文献(0)
  • 二级参考文献(5)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(6)
  • 参考文献(0)
  • 二级参考文献(6)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(11)
  • 参考文献(0)
  • 二级参考文献(11)
2008(9)
  • 参考文献(0)
  • 二级参考文献(9)
2009(13)
  • 参考文献(2)
  • 二级参考文献(11)
2010(9)
  • 参考文献(0)
  • 二级参考文献(9)
2011(14)
  • 参考文献(1)
  • 二级参考文献(13)
2012(7)
  • 参考文献(0)
  • 二级参考文献(7)
2013(5)
  • 参考文献(2)
  • 二级参考文献(3)
2015(3)
  • 参考文献(3)
  • 二级参考文献(0)
2016(3)
  • 参考文献(3)
  • 二级参考文献(0)
2017(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(3)
  • 引证文献(3)
  • 二级引证文献(0)
2019(6)
  • 引证文献(3)
  • 二级引证文献(3)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
情感分析
汉语组块分析
特征—观点对提取
点互信息方法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导