基于主题模型的情感搜索引擎的研究与实现

论文摘要

随着网络的普及以及WEB2.0的迅速发展,互联网已经成为世界上规模最大的公共数据源。与此同时电子商务的迅猛发展,给人们的生活带来了极大的便利。越来越多的人们开始选择网上购物。客户往往只能通过商品参考图,以及其他用户的评价,来综合衡量一件商品的好坏。因此,网络评论已经成为电子商务的一个十分重要的信誉评价方式。观点挖掘的任务是抽取评论中的观点和分析情感倾向性。用户发表的评论往往是针对一个主题的某个属性。对于一种商品,它的属性往往比较多,同时可以有不同的特征词进行描述。人们对于不同的属性使用的情感词也不尽相同。因此,本文从主题属性与特征词、情感词之间的关系入手,构建一个主题模型,并应用该模型进行基于属性特征的情感倾向性分析。结合当前的需求,本文对基于主题模型的情感搜索引擎进行了研究与实现。本文提出主题模型的概念以及主题模型的构建算法。首先,利用语言模式规则抽取出特征词,利用情感词典抽取情感词,然后根据特征情感词对进行特征情感词矩阵初始化,接着根据特征词相似度转换为属性情感词矩阵,最后构建主题模型。本文还提出一个基于主题模型的情感倾向性分析框架。首先,对评论集进行文档化处理,然后利用主题模型进行属性分类,最后利用情感词典进行情感倾向性计算。最后,本文设计与实现了一个基于主题模型的情感搜索引擎。实验表明,本文的算法能够有效的构建主题模型,同时本文的基于主题模型的情感倾向性框架分析具有良好的准确率、召回率和F值。最后,本文所实现的情感搜索引擎IMovie基本能够满足用户对于电影情感搜索的需求。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景与意义
• 1.2 国内外研究现状与分析
• 1.2.1 国际研究现状
• 1.2.2 国内研究现状
• 1.2.3 应用系统
• 1.2.4 存在的问题
• 1.3 研究目的与研究内容
• 1.3.1 研究目的
• 1.3.2 研究内容
• 1.4 本文的组织结构
• 第2章 相关理论与技术
• 2.1 情感倾向性分析
• 2.1.1 篇章层次的情感倾向性分析
• 2.1.2 句子层次的情感倾向性分析
• 2.1.3 词汇与特征层次的情感倾向性分析
• 2.2 基于HowNet的语义相似度计算方法
• 2.3 搜索引擎及工作原理
• 2.3.1 网络爬虫
• 2.3.2 检索器与索引器
• 2.4 Lucene
• 2.5 本章小结
• 第3章 主题模型的构建与实现
• 3.1 主题模型描述
• 3.2 主题模型构建算法
• 3.2.1 基本思路
• 3.2.2 筛选候选特征词
• 3.2.3 情感词提取
• 3.2.4 构建特征词-情感词矩阵
• 3.2.5 构建属性-情感词矩阵
• 3.3 主题模型构建
• 3.3.1 主题模型存构建流程
• 3.3.2 特征词聚类算法
• 3.3.3 主题模型存储方式
• 3.3.4 人工构建主题模型
• 3.4 实验与结果分析
• 3.4.1 实验数据来源
• 3.4.2 特征词抽取
• 3.4.3 特征词聚类
• 3.4.4 主题模型构建
• 3.5 本章小结
• 第4章 基于主题模型的情感倾向性分析
• 4.1 基于主题模型的情感倾向性分析框架
• 4.2 评论特征词提取与属性分类
• 4.3 评论情感词提取与情感倾向性分析
• 4.4 实验与结果分析
• 4.4.1 实验数据来源
• 4.4.2 实验评价方式
• 4.4.3 实验结果
• 4.5 本章小结
• 第5章 基于主题模型的情感搜索引擎的研究与设计
• 5.1 系统体系结构
• 5.2 情感搜索引擎的设计
• 5.2.1 情感搜索的概念
• 5.2.2 情感选项
• 5.2.3 用户界面设计
• 5.2.4 情感检索
• 5.3 关键技术研究
• 5.3.1 数据下载
• 5.3.2 主题模型的应用
• 5.3.3 情感倾向性分析的应用
• 5.4 本章小结
• 第6章 基于主题模型的情感搜索引擎实现
• 6.1 系统实现
• 6.1.1 电影信息下载
• 6.1.2 情感搜索的实现
• 6.1.3 基本搜索的实现
• 6.1.4 关系搜索的实现
• 6.2 系统展示
• 6.2.1 情感搜索展示
• 6.2.2 基本搜索展示
• 6.2.3 关系搜索展示
• 6.3 系统评价
• 6.4 本章小结
• 第7章 总结及未来工作
• 7.1 总结
• 7.2 未来工作
• 参考文献
• 致谢
• 攻硕期间参与项目及发表的论文