web数据挖掘（学习笔记）-观点挖掘

观点挖掘

1.主要挖掘非结构化的文本，涉及自然语言处理技术

2.网络已经显著改变人们表达观点的方式，用户生成的内容已经成为媒体的一种形式

3.主要研究三方面的观点挖掘的任务：意见分类；基于特征观点挖掘和摘要；比较句子和比较关系挖掘

4.意见分类：文档层次上分类，将评价分类到正面，或者负面。当前大多研究是文档层次上的分类。

5.基于特征的观点挖掘和摘要：句子层次上分类，对于对象某个具体特征，将特征的评价分类到正面，或者负面

6.比较句子和比较关系挖掘：抽取比较句子，然后，抽取比较关系

7.主要研究两方面观点挖掘任务：观点搜索；观点欺诈

8.观点搜索：关于任何对象的观点

9.观点欺诈：推销自己，诋毁对手的不实信息

10.意见分类：文档集合每一个文档，标记为正面评价或者负面评价。和文本主题分类相似，但是关注词汇不同。主题分类关注主题

词汇，意见分类关注意见词汇。可以分为正面，负面，中立三类。

11.意见分类三种方法：基于意见短语分类；文本分类方法分类；基于评分函数分类

12.基于意见短语分类：使用词性标注自然语言技术。通常使用宾州树库词性标注集。分三部完成，首先，词性标注，抽取符合预定

模式的短语；其次，算短语的互信息，即左词先出现时，右词紧跟出现的条件概率；最后，统计所有短语的语义倾向的平均值。为

正，就是正面评价，负数就是负面评价。

13.文本分类方法分类：KNN，贝叶斯，SVM文档分类方法都可以。

14.基于评分函数分类：提出一个表明次对文档集合倾向性的评分函数。为实验全面，还需要测试不同数据集，取词干，过滤常见词

，各种分类技术对比，换评分函数，语言学改进等。

15.基于文档分类的优点：体现对象，主题的一般看法

16.基于文档分类的缺点：只能体现大体看法，不能提供对细节特征方面的倾向；非评审类的但是包含意见的文本不能是不用本方法

挖掘，因为还需要定位意见句子。上面都是基于学习的方法，也有一些人工的方法。比如：随时间变化的意见生成系统，需要领域

相关的词典。

参考文献：《Web数据挖掘》 BingLiu著 P296-300