徐学可，谭松波，刘 悦，程学旗，吴琼

(1. 中国科学院计算技术研究所，网络数据科学与技术重点实验室，北京 100190；2. 中国科学院大学，北京 100190)



面向在线顾客点评的属性依赖情感知识学习

徐学可1,2，谭松波1，刘 悦1，程学旗1，吴琼1

(1. 中国科学院计算技术研究所，网络数据科学与技术重点实验室，北京 100190；2. 中国科学院大学，北京 100190)

该文研究属性依赖情感知识学习。首先提出了一个新颖的话题模型，属性观点联合模型(Joint Aspect/Opinion model, JAO)，来同时抽取评论实体属性及属性相关观点词信息。在此基础上，对于各个属性，构造属性依赖的词关系图，并在该图上应用马尔科夫随机行走过程来计算观点词到少量褒、贬种子词的游走时间(Hitting Time)，进而估计这些词的属性依赖的情感极性分值。在餐馆点评数据上的实验表明所提出的方法能有效抽取属性相关观点词，同时有效估计其属性依赖的情感极性分值。

顾客点评；属性观点联合模型；游走时间；属性依赖情感知识

引言

随着Web 2.0的迅猛发展，越来越多的顾客通过Amazon、京东等在线电子商务平台对各种产品或服务发表个人观点。这些在线顾客点评中蕴含着巨大的商业价值。同时由于其爆炸式的增长，我们迫切需要情感分析工具，来自动高效地抽取、分析及归纳其中的情感信息[1-11]。通常而言，顾客总是针对评论实体的特定属性(aspect)(如餐馆的环境、服务等)发表观点；另一方面，不同的用户往往关注不同的属性。因此面向点评的情感分析应该细化到属性层次。……