基于多层关系图模型的中文评价对象与评价词抽取方法

中文评价对象与评价词抽取是文本倾向性分析的重要问题.如何利用评价对象与评价词之间的语法、共现等关系设计模型是提高抽取精度的关键.本文提出了一种基于多层关系图模型的中文评价对象与评价词抽取方法.该方法首先利用词对齐模型抽取评价对象与评价词搭配;然后,考虑评价对象与评价词的依存句法关系、评价对象内部的共现关系和评价词内部的共现关系,建立多层情感关系图,接着利用随机游走方法计算候选评价对象与评价词的置信度;最后,选取置信度高的候选评价对象与评价词作为输出.实验结果表明,与现有的方法相比,本文所提出的方法不仅对评价对象和评价词的抽取精度均有显著提升,而且具有良好的鲁棒性....

Full description

Saved in:
Bibliographic Details
Published in自动化学报 Vol. 43; no. 3; pp. 462 - 471
Main Author 廖祥文 陈兴俊 魏晶晶 陈国龙 程学旗
Format Journal Article
LanguageChinese
Published 福州大学数学与计算机科学学院 福州 350116 2017
福建省网络计算与智能信息处理重点实验室(福州大学) 福州 350116%福建江夏学院电子信息科学学院 福州 350108
福建省网络计算与智能信息处理重点实验室(福州大学) 福州 350116%中国科学院计算技术研究所网络数据科学与技术重点实验室 北京 100190
Subjects
依存句法分析
倾向性分析
观点挖掘
随机游走
opinion mining
随机游走
Sentiment analysis
random walk
倾向性分析
观点挖掘
dependency syntactic parsing
依存句法分析
Online AccessGet full text
ISSN0254-4156
1874-1029
DOI10.16383/j.aas.2017.c160060

Cover

More Information
Summary:中文评价对象与评价词抽取是文本倾向性分析的重要问题.如何利用评价对象与评价词之间的语法、共现等关系设计模型是提高抽取精度的关键.本文提出了一种基于多层关系图模型的中文评价对象与评价词抽取方法.该方法首先利用词对齐模型抽取评价对象与评价词搭配;然后,考虑评价对象与评价词的依存句法关系、评价对象内部的共现关系和评价词内部的共现关系,建立多层情感关系图,接着利用随机游走方法计算候选评价对象与评价词的置信度;最后,选取置信度高的候选评价对象与评价词作为输出.实验结果表明,与现有的方法相比,本文所提出的方法不仅对评价对象和评价词的抽取精度均有显著提升,而且具有良好的鲁棒性.
Bibliography:Mining opinion targets and opinion words is a fundamental task for the Chinese online media to mine opinion and analyze sentiment. The key to enhancing the effectiveness of opinion target and opinion word is to integrate syntactic relations and co-occurrence relations between opinion target and opinion word into the mining model. A novel approach based on a multi-layer relation graph model is proposed to extract opinion targets and opinion words from Chinese social media. First, the word alignment model is employed to extract the candidates of opinion target and opinion word candidates. Second, a multi-layer relation graph is constructed by the syntactic inter-relations between opinion target and opinion word, the co-occurrence intra-relations among opinion targets, and the co-occurrence intra-relations among opinion words. Third, a random-walk algorithm is adopted to calculate the confidence of each opinion target candidate and opinion word candidate. Finally, opinion targets and opinion words are extracted
ISSN:0254-4156
1874-1029
DOI:10.16383/j.aas.2017.c160060