康 月，薛惠珍，华 斌

天津财经大学 理工学院，天津300222

商品评价分析是指通过对用户评论进行挖掘与处理，进而分析用户的关注重点与情感态度。传统的商品评价分析是基于句子级的情感分类，这种粗粒度的分析方法无法了解用户对于商品某一具体属性所表达的情感态度，因此需要进行细粒度的分析[1]。细粒度商品评价分析主要分为两个方面：商品评价特征的提取与情感倾向的判定。

商品评价特征的提取是指从用户评论中提取商品属性与其对应的情感词，是细粒度商品评价分析的基础，主要有基于频率、模板规则的无监督方法和基于条件随机场与深度学习的有监督方法[2]。最早的无监督方法是由Hu和Liu[3]提出的，他们使用关联规则挖掘方法提取商品特征；Jakob等[4]选取词、词性、依存句法等多种特征，利用CRF模型进行影评数据的评价特征提取；Liu等[5]使用循环神经网络模型（RNN）进行评价情感特征的提取；Poria等[6]利用卷积神经网络的方法对文本特征进行自动提取；曾义夫等[7]在GRU模型中引入双向注意力机制，实现细粒度的特征提取；陈虹等[8]将注意力机制引入BILSTM网络，实现用户评论的方面级情感特征提取。

商品评价情感倾向的判定是指对提取出来的评价特征进行情感极性的识别，是细粒度商品评价分析的关键，主要包括基于情感词典的无监督方法和基于机器学习与深度学习的有监督方法。Hu和Liu[9]提出基于情感词典的方法来进行情感倾向的判定，虽然情感词典在情感倾向判定上取得一定成果，但是这种基于词典的无监督方法存在领域适用性差且准确率不高的问题，所以有监督的情感分类方法被广泛地研究与应用。……