Please wait a minute...
Advanced Search
现代图书情报技术  2015, Vol. 31 Issue (12): 48-56    DOI: 10.11925/infotech.1003-3513.2015.12.08
  研究论文 本期目录 | 过刊浏览 | 高级检索 |
基于比较句的网络用户评论情感分析
彭浩1, 徐健1, 肖卓2
1 中山大学资讯管理学院 广州 510006;
2 中山大学图书馆 广州 510275
Sentiment Analysis of Web Reviews Based on Comparative Sentence Extraction
Peng Hao1, Xu Jian1, Xiao Zhuo2
1 School of Information Management, Sun Yat-Sen University, Guangzhou 510006, China;
2 Libraries of Sun Yat-Sen University, Guangzhou 510275, China
全文: PDF(544 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 

[目的]为帮助企业识别竞争产品, 挖掘有价值的信息, 提出基于比较句的情感分析模型。[方法]利用基于比较句数目的热门指数和差距指数筛选热门对比产品, 从比较句中抽取特征并根据情感词典计算竞争产品的特征得分。为验证模型的效果, 以手机产品为实验对象, 以百度搜索引擎为数据来源展开实验。[结果]实验从28对手机产品中筛选出9对热门对比产品, 并可视化分析产品的特征差异。相对于以往基于文本的情感分析方法, 该模型能够更好地识别竞争产品以及判断竞争产品的用户情感取向。[局限]特征抽取准确性有待进一步提高, 比较句识别率存在一定的提升空间。[结论]实验结果与实际情况相符合, 模型具有有效性, 该方法对企业有较高的利用价值。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
Abstract

[Objective] In order to select competitive products in the market and mine useful information for both enterprises and customers. [Methods] This paper proposes a model of sentiment analysis based on comparative sentence, which can compute feature scores of comparative products and visualize the comparative relations between these products. In order to verify the effectiveness of this model, an experiment on smart phones is conducted with the help of Baidu search engines. [Results] The experiment selects 9 pairs of competitive smart phone products from 28 pairs, thus the results can help smart phone enterprises identify competitors. And also visualize the comparative relations between these products and provide suggestions for customer purchase. [Limitations] The accuracy of feature extraction is not high. The recognition rate of comparative sentence in this model need improvements. [Conclusions] The result of this experiment is consistent with facts, which proves the effectiveness of this competitiveness analysis mothed presented in this paper and its great value to enterprises.

收稿日期: 2015-05-19     
:  G350  
基金资助:

本文系国家社会科学基金项目“用户评论情感分析及其在竞争情报服务中的应用研究”(项目编号:11CTQ022)的研究成果之一。

通讯作者: 徐健, ORCID: 0000-0003-4886-4708, E-mail: issxj@mail.sysu.edu.cn。     E-mail: issxj@mail.sysu.edu.cn
作者简介: 作者贡献声明:徐健: 提出研究思路, 设计研究方案; 彭浩, 肖卓: 进行实验, 采集、清洗和分析数据; 彭浩, 徐健, 肖卓: 论文起草; 徐健, 彭浩: 论文最终版本修订。
引用本文:   
彭浩, 徐健, 肖卓. 基于比较句的网络用户评论情感分析[J]. 现代图书情报技术, 2015, 31(12): 48-56.
Peng Hao, Xu Jian, Xiao Zhuo. Sentiment Analysis of Web Reviews Based on Comparative Sentence Extraction. New Technology of Library and Information Service, DOI:10.11925/infotech.1003-3513.2015.12.08.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2015.12.08

[1] 赵妍妍, 秦兵, 刘挺. 文本情感分析[J]. 软件学报, 2010, 21(8): 1834-1848. (Zhao Yanyan, Qin Bing, Liu Ting. Sentiment Analysis [J]. Journal of Software, 2010, 21(8): 1834-1848.)
[2] 周城. 面向中文Web评论的情感分析技术研究[D]. 长沙: 国防科学技术大学, 2011. (Zhou Cheng. Technology Research on Sentiment Analysis for Chinese Web Reviews [D]. Changsha: National University of Defense Technology, 2011.)
[3] 梅雪琦. 面向商品评论的情感分析分类研究[D]. 合肥: 合肥工业大学, 2012. (Mei Xueqi. Classification Research of Sentiment Analysis for Product Reviews [D]. Hefei: Hefei University of Technology, 2012.)
[4] 潘宇, 林鸿飞. 基于语义极性分析的餐馆评论挖掘[J]. 计算机工程, 2008, 34(17): 208-210. (Pan Yu, Lin Hongfei. Restaurant Reviews Mining Based on Semantic Polarity Analysis [J]. Computer Engineering, 2008, 34(17): 208-210.)
[5] 张丽. 在线评论的客户参与动机与评论有效性研究——基于中国大型B2C电子商务网站的实证分析[D]. 天津: 南开大学, 2011. (Zhang Li. Customer Participation Motivation and the Helpfulness of Online Review: Data from Chinese B2C Electronic Commerce Websites [D]. Tianjin: Nankai University, 2011.)
[6] 陈立孚, 周宁, 李丹. 基于机器学习的自动文本分类模型研究[J]. 现代图书情报技术, 2005(10): 23-27. (Chen Lifu, Zhou Ning, Li Dan. Study on Machine Learning Based Automatic Text Categorization Model [J]. New Technology of Library and Information Service, 2005(10): 23-27.)
[7] 魏慧玲. 文本情感分析在产品评论中的应用研究[D]. 北京: 北京交通大学, 2014. (Wei Huiling. Application Research of Text Sentiment Analysis in Product Reviews [D]. Beijing: Beijing Jiaotong University, 2014.)
[8] 汉语分词系统ICTCLAS [EB/OL]. [2014-05-02]. http:// ictclas.nlpir.org. (Institute of Computing Technology, Chinese Lexical Analysis System [EB/OL]. [2014-05-02]. http:// ictclas.nlpir.org.)
[9] Stanford Parser [EB/OL]. [2015-02-20]. http://nlp.stanford. edu/software/lex-parser.shtml.
[10] 卫力. 基于图的半监督中文句子主客观分类算法研究[D]. 北京: 北京邮电大学, 2011. (Wei Li. Graph-based Semi-supervised Learning for Chinese Opinion Sentence Recognition [D]. Beijing: Beijing University of Posts and Telecommunications, 2011.)
[11] 代大明, 王中卿, 李寿山, 等. 基于情绪词的非监督中文情感分类方法研究[J]. 中文信息学报, 2012, 26(4): 103-108. (Dai Daming, Wang Zhongqing, Li Shoushan, et al. Unsupervised Chinese Sentiment Classification with Emotion Words [J]. Journal of Chinese Information Processing, 2012, 26(4): 103-108.)
[12] 王小凤, 耿国华, 李鹏, 等. 一个基于相关反馈的神经网络音乐情感分类器构建算法[J]. 西北大学学报: 自然科学版, 2012, 42(1): 30-35. (Wang Xiaofeng, Geng Guohua, Li Peng, et al. A Music Emotion Classifier Construction Algorithm of Neural Network Based on Relevant Feedback [J]. Journal of Northwest University: Natural Science Edition, 2012, 42(1): 30-35.)
[13] Xu K, Liao S S, Li J, et al. Mining Comparative Opinions from Customer Reviews for Competitive Intelligence [J]. Decision Support Systems, 2011, 50(4): 743-754.
[14] 黄高辉, 姚天昉, 刘全升. 基于CRF算法的汉语比较句识别和关系抽取[J]. 计算机应用研究, 2010, 27(6): 2061-2064. (Huang Gaohui, Yao Tianfang, Liu Quansheng. Mining Chinese Comparative Sentences and Relations Based on CRF Algorithm [J]. Application Research of Computers, 2010, 27(6): 2061-2064.)
[15] 杜文韬. 基于条件随机场的中文比较句倾向性研究[D]. 济南: 山东师范大学, 2014. (Du Wentao. Studying of Emotional Tendency in Chinese Comparative Sentences Based on CRF Algorithm [D]. Ji'nan: Shandong Normal University, 2014.)
[16] 李建军. 比较句与比较关系识别研究及其应用[D]. 重庆: 重庆大学, 2011. (Li Jianjun. Research of Comparative Sentence and Comparative Relationship Recognition and Application [D]. Chongqing: Chongqing University, 2011.)
[17] 结巴分词组件[EB/OL]. [2015-04-10]. https://github.com/ fxsjy/jieba. (Jieba Chinese Segmentation System [EB/OL]. [2015-04-10]. https://github.com/fxsjy/jieba.)

[1] 文秀贤,徐健. 基于用户评论的商品特征提取及特征价格研究 *[J]. 数据分析与知识发现, 2019, 3(7): 42-51.
[2] 邓诗琦,洪亮. 面向智能应用的领域本体构建研究*——以反电话诈骗领域为例[J]. 数据分析与知识发现, 2019, 3(7): 73-84.
[3] 段宇锋, 黄思思. 基于BFO构建中文植物物种多样性领域本体的研究[J]. 现代图书情报技术, 2015, 31(12): 72-79.
[4] 章成志, 李蕾. 社会化标签质量自动评估研究[J]. 现代图书情报技术, 2015, 31(10): 2-12.
[5] 邵健, 章成志, 李蕾. Hashtag研究综述[J]. 现代图书情报技术, 2015, 31(10): 40-49.
[6] 祝婷, 秦春秀, 李祖海. 基于用户分类的协同过滤个性化推荐方法研究[J]. 现代图书情报技术, 2015, 31(6): 13-19.
[7] 李纲, 叶光辉, 张岩. “小众专家”特征识别——基于MetaFilter的实证分析[J]. 现代图书情报技术, 2015, 31(6): 71-77.
[8] 李慧, 相华婷, 汤强. 基于结构和编辑历史的Wikipedia信任模型[J]. 现代图书情报技术, 2015, 31(3): 33-38.
[9] 王睿, 胡文静, 郭玮. 常用Altmetrics工具比较[J]. 现代图书情报技术, 2014, 30(12): 18-26.
[10] 杨志墨, 刘怀亮, 赵辉. 一种基于复杂网络的中文文本表示算法[J]. 现代图书情报技术, 2014, 30(11): 38-44.
[11] 邱均平, 余厚强. 从VAST会议解读可视分析学新进展[J]. 现代图书情报技术, 2014, 30(10): 14-24.
[12] 孙鸿飞, 侯伟. 改进TFIDF算法在潜在合作关系挖掘中的应用研究[J]. 现代图书情报技术, 2014, 30(10): 84-92.
[13] 徐孝娟, 张莉, 朱庆华, 梁茹. 三螺旋模型视角下的高科技人才机构属性及学科交叉研究[J]. 现代图书情报技术, 2014, 30(9): 99-107.
[14] 毕达宇, 夏晓旭, 王靖. 用户在线评论数据挖掘的网商信用度分析[J]. 现代图书情报技术, 2014, 30(7): 77-83.
[15] 毕强, 周姗姗, 马志强, 滕广青. 面向知识关联的标签云优化机理研究*[J]. 现代图书情报技术, 2014, 30(5): 33-40.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn