面向汽车领域对象级知识增强情感分析模型研究

摘要

面对汽车评论中对各项指标情感分类分析的需求，本研究提出了两部分任务：一是识别汽车评价对象并抽取情感要素；二是进行基于情感知识增强的情感分类分析.本文借助点互信息方法(PMI),探究对象词语与情绪词语的联系，进一步运用文本情感要素分析方法，构建了一种基于情感知识增强的汽车评论对象级情感分析模型(OLSCA).该模型首先采用PMI方法确定汽车评价关键指标与情绪词语极性的关系，接着通过自动情感词语掩盖及情感对象预测分析，形成词语、词语极性、对象级情感关系三部分的预测目标，生成针对标记对象的情感分类结果.实验证明，OLSCA在汽车评价领域对短文本评论进行情感分类分析，相较于传统文本语义情感分析有更大实际价值，有助于根据用户评价意图，全面构建汽车综合评价体系.

关键词

PMI / 对象级情感分析 / 情感知识增强 / 用户评价意图 / 汽车评价体系

基金资助

国家自然科学基金项目(61806142)资助; 天津市科学技术局项目(19PTZWHZ00020)资助; 中国学位与研究生教育学会项目(2020MSA50)资助