周浩，王莉

（1. 太原理工大学 信息与计算机学院，山西 晋中 030600; 2. 太原理工大学 大数据学院，山西 晋中 030600）

随着互联网技术的发展，用户在线评论信息 大量涌现。这些评论既包括来自电子商务网站上对于商品的评价，也包括通过自媒体对自己所经历的事物发表自己的观点或看法。依据这些评论可解决多方面的问题，例如：帮助商家优化自身产品，辅助用户进行消费决策，进行互联网舆情分析等。通常将此类信息挖掘称为细粒度的情感分析。评价对象提取是将这些评论从非结构化转为结构化数据，从而为细粒度的情感分析做好铺垫。因此评价对象提取是细粒度情感分析的关键步骤。例如：评论“手机电池很给力，但像素太低，不推荐”，其中“电池”与“像素”是评论主题词，“给力”与“太低”是评论情感词，这些都是需要提取的目标。

针对这一任务，早期的工作往往基于句法分析，在特定领域中对大量出现的名词与名词短语进行频率统计，完成对象提取。2009年，Qiu等[1]利用词间依存关系对情感词和评价对象进行同步抽取，即双向传播算法。之后Zhai等[2]将双向传播算法成功应用于中文数据中，但是该方法在大规模的数据上表现不够理想。为了解决这一问题，Zhang等[3]利用HITS算法候选属性词的相关性，以提高提取精度。但传统提取方法一般基于词与词之间的依赖关系，强调统计信息的作用，但这种方法需要抽取大量的人工特征与语言学基础，因此造成特征稀疏的问题。……