中文文本中评价对象省略识别方法

北京大学学报（自然科学版）

中文文本中评价对象省略识别方法

朱珠,汪蓉,李寿山,周国栋

苏州大学自然语言处理实验室, 苏州 215006;

收稿日期:2014-07-26 出版日期:2015-03-20 发布日期:2015-03-20

Recognizing the Ellipsis of Opinion Target in Chinese Text

ZHU Zhu, WANG Rong, LI Shoushan, ZHOU Guodong

Natural Language Processing Laboratory, Soochow University, Suzhou 215006;

Received:2014-07-26 Online:2015-03-20 Published:2015-03-20

摘要/Abstract

摘要： 为了研究中文情感文本中评价对象省略现象的识别方法, 将评价对象省略识别建模为一个二元分类问题, 利用机器学习算法进行自动学习。探讨当前句位置无关特征、当前句位置相关特征和上下文相关特征对评价对象省略识别的作用。3个不同领域的实验结果表明, 新提出的基于机器学习的评价对象省略识别方法能够获得较好的识别效果。

关键词: 情感分析, 评价对象抽取, 评价对象省略, 特征选择

Abstract: A novel method is proposed to recognize the ellipsis of opinion target in Chinese text. The approach treats the task of opinion target ellipsis as a binary classification problem, which applies the machine learning algorithm. Then three kinds of features, namely position-independent features of sentence, position-dependent features of sentence and contextual features, are applied to the recognition task separately. The experimental results in three domains demonstrate that the machine learning-based method is effective for the task of the recognition of opinion target ellipsis.

Key words: sentiment analysis, opinion target extraction, ellipsis of opinion target, feature selection

中图分类号:

TP391

朱珠,汪蓉,李寿山,周国栋. 中文文本中评价对象省略识别方法[J]. 北京大学学报（自然科学版）.

ZHU Zhu,WANG Rong,LI Shoushan,ZHOU Guodong. Recognizing the Ellipsis of Opinion Target in Chinese Text[J]. Acta Scientiarum Naturalium Universitatis Pekinensis.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/

https://xbna.pku.edu.cn/CN/Y2015/V51/I2/315

[1]	张亚洲, 王梦遥, 戎璐, 俞洋, 赵东明, 秦璟. ChatGPT可否充当情感专家？——调查其在情感与隐喻分析的潜力[J]. 北京大学学报自然科学版, 2024, 60(1): 43-52.
[2]	黄晋, 许实, 蔡而聪, 吴志杰, 郭美美, 朱佳. 基于多通道压缩双线性池化的情感‒原因句子对提取模型[J]. 北京大学学报自然科学版, 2022, 58(1): 21-28.
[3]	吴良庆, 刘启元, 张栋, 王建成, 李寿山, 周国栋. 基于情感信息辅助的多模态情绪识别[J]. 北京大学学报自然科学版, 2020, 56(1): 75-81.
[4]	厉小军, 施寒潇, 陈南南, 柳虹, 邹轶. 基于表示学习的情感分析研究[J]. 北京大学学报自然科学版, 2019, 55(1): 105-112.
[5]	闫雷鸣, 严璐绮, 王超智, 贺嘉会, 吴宏煜. 基于句式元学习的Twitter分类[J]. 北京大学学报自然科学版, 2019, 55(1): 98-104.
[6]	刘思叶, 田原, 冯雨宁, 庄育龙. 游客微博主题情感分析方法比较研究[J]. 北京大学学报自然科学版, 2018, 54(4): 687-692.
[7]	姜杰, 夏睿. 机器学习与语义规则融合的微博情感分类方法[J]. 北京大学学报自然科学版, 2017, 53(2): 247-254.
[8]	董理, 王中卿, 熊德意. 基于文本信息的股票指数预测[J]. 北京大学学报自然科学版, 2017, 53(2): 273-278.
[9]	刘翠娟, 刘箴, 柴艳杰, 方昊, 刘良平. 基于微博文本数据分析的社会群体情感可视计算方法研究[J]. 北京大学学报（自然科学版）, 2016, 52(1): 178-186.
[10]	周红照,侯明午,颜彭莉,张叶青,侯敏,滕永林. 语义特征在评价对象抽取与极性判定中的作用[J]. 北京大学学报（自然科学版）, 2014, 50(1): 93-99.
[11]	贺飞艳,何炎祥,刘楠,刘健博,彭敏. 面向微博短文本的细粒度情感特征抽取方法[J]. 北京大学学报（自然科学版）, 2014, 50(1): 48-54.
[12]	孙艳,周学广,付伟. 基于主题情感混合模型的无监督文本情感分析[J]. 北京大学学报（自然科学版）, 2013, 49(1): 102-108.
[13]	封举富,时建新. 基因选择的快速Fisher优化模型[J]. 北京大学学报（自然科学版）, 2005, 41(1): 122-128.