论文部分内容阅读
随着Web2.0的迅速发展,面对网络上出现的大量的评论文本,如何获取文本中蕴涵的主观褒贬倾向,挖掘其中包含的主观性观点、态度、感觉、情绪等成为“观点挖掘”的主要目的。目前,观点挖掘大多采用统计的方法,然而,中文语法结构较复杂,使得在主题、语义极性倾向和极性强度方面有很大的不确定性,因此还不能取得理想的效果。本文将本体的研究方法与观点挖掘结合起来,重点开展面向观点挖掘的基于Web汽车评论语料的本体知识库建立问题的研究,包括汽车领域本体知识库的体系构建、汽车领域本体知识库的核心概念获取、基于汽车领域本体知识库的特征观点挖掘。具体内容如下：(1)本体体系构建方法通过汽车领域核心概念以及概念间的关系,构建面向观点挖掘的汽车领域本体知识库体系框架。本文将汽车部件、汽车的性能指标与极性词典融合本体知识库中,可用于挖掘汽车领域内在的语义信息资源以及人们对事物所表达的观点,从而提高极性计算的准确率。(2)本体概念获取方法基于Web汽车评论真实语料库,自动获取汽车领域中的核心概念。本文采用基于模板、Bootstrapping方法获得了汽车领域中的核心概念,可以更好的服务于领域本体知识库的构建,提高了本体构建的效率,减少了人工的参与。(3)基于领域本体的特征观点挖掘利用本文构建的本体知识库以及相关技术,合并相同特征的不同表示形式并对上下位的特征进行归类,统计出各个特征所获得的观点,并以树状的形式从上至下展现整个产品不同层次特征所获得的评价,并生成观点概述。