王启发,周 敏,王中卿,李寿山,周国栋

(苏州大学 计算机科学与技术学院，江苏 苏州 215006)

0 引言

伴随着互联网技术的飞速发展，形形色色的社交平台、电商平台也在不断繁衍，如淘宝、京东、大众点评、豆瓣、Yelp、Amazon等诸多在线评论网站早已深入我们的日常生活。这些平台上的评论对于用户和商家都具有很重要的参考价值[1]，比如，对于网络购物的消费者而言，在线评论可以帮助他们做出有效的购买决策，进而买到心仪的产品。而对于商家，通过挖掘大量的评论数据来了解其产品的用户体验，帮助商家做出有效的商业决策，从而带来可观的收益。由此可见，对在线评论的数据挖掘具有重要的应用价值。

在线评论的情感分类，正是评论文本数据挖掘方面的一个重要任务，其主要目的是识别主观文本情感[2]。随着在线评论的数量不断增加，评论内容更是复杂多样，想要通过人工判别的方法去一一分析每一条评论的情感几乎是不可能的，在这个大数据时代，我们迫切地需要一种自动判别的方法来实现在线评论的情感分类，从而高效地帮助消费者和商家在海量评论文本中获取有价值的信息。

国内外的相关学者已经对在线评论文本的情感分类做了相关的研究，并取得了一些显著的成果。但是，在以往的研究中，通常把每条评论看成独立的文本，只关注评论文本内容本身，而忽略了用户和产品的关联影响，实际上用户的偏好和产品的特性对于评论的情感分类都是有一定影响的。……