面向在线评论的汉语意见解释分类方法研究

意见挖掘研究近年来取得很大进展，但是现有的意见挖掘系统大多只关注褒贬意见，却忽略了意见背后的原因、事实细节、建议或条件等意见解释信息，而这些信息对基于意见挖掘的决策和信息服务极为重要。为此，本文面向产品评论，在深入分析汉语产品评论的意见解释语言特点基础上，探索意见解释分类方法及关键技术。具体地，本文从以下三个方面研究:
　　(1)汉语意见解释分类语料构造与分析:鉴于目前还没有公开可用的解释性意见资源库，本文首先在制定意见解释分类体系及相关标注规范基础上，构建了关于手机和酒店两个领域的产品评论意见解释分类语料库，并对不同领域的意见解释的语言特点进行了比较分析。分析结果表明，意见与意见解释并非一一对应，不同类别的意见解释的语言表达差异很大。
　　(2)基于SVM的汉语意见解释分类:本文在SVM框架下探索不同特征选择及表示方法对意见解释分类的影响，尤其是意见解释内部片段内部的基本特征，以及意见解释相关联的属性、评价、情感极性等上下文特征。实验结果验证了多特征融合有利于提高意见解释分类性能。
　　(3)基于神经网络的汉语意见解释分类:为了进一步提高意见解释分类性能，本文在基于特征工程的SVM分类方法基础上，尝试使用CNN、RNN和LSTM等不同的神经网络模型解决意见解释分类问题。实验结果表明，基于神经网络模型的分类方法优于传统的SVM分类方法，且CNN方法优于RNN和LSTM方法。