杨 源，马云龙，林鸿飞

(大连理工大学 信息检索研究室，辽宁 大连， 116024)

1 引言

随着网上购物的发展，网上产品评论的数量也急剧增多，产品评论的情感分析一直是一个热点研究问题。在分析产品情感时，除了分析产品的整体情感外，也从更细的粒度上来分析，如产品的各个属性。由于写评论的人习惯各异，对产品的同一种属性会用不同的描述，例如，手机的“外观”和“外形”指的是同一种属性。把这些属性进行归类，才能更好的进行情感分析。

手工进行属性归类虽然会很准确，但是这是一项耗费时间的工作，需要寻求一种自动的方法来解决这个问题。属性的归类也可以通过现有的同义词资源，把同义的属性归为一类，但是这只能解决其中的一部分，还有很多同类的属性不是同义词，例如，手机的“外形”和“设计”。需要其他的方法更全面的解决这个问题。

Carenini等人[1]利用WordNet得到了几个相似性矩阵，把一些属性描述映射到一个特定领域的属性分类上。Carenini等人是根据存在的资源来计算词的相似性，这种方法的缺点是没有考虑词之间的分布相似性，而这是很有用的信息。分布相似性主要考虑了属性周围的一些词，衡量相似性的方法有Cosine、Jaccard、Dice等[2]。

Guo等人[3]提出了mLSA算法，进行属性归类，mLSA将LDA运行了两次，是一种无监督算法。属性归类问题也与限制性聚类相关，限制性聚类中使用了两种限制，一种是某些节点肯定在一类中，另一种是某些节点不可能在一类中。Andrzejewski等人[4]把这两种限制引入到LDA中，提出了DF-LDA算法。……