摘要：21世纪以来,“移动互联网的应用普及,令中国电影产业链体系完善并朝向数字化方向发展”[1]。电影评论主阵地也由纸质媒介转移至网络媒介,自出机杼的专业化影评不再独领风骚,众声喧哗的大众化点评风起云涌,“电影评论功能与观众的联系更加紧密,具备参与性、互动性和大众性特征,不再局限于艺术层面的分析”[2]。

摘要：随着互联网平台以及多用户社交网络的成熟,群体用户消费体验的参考价值日趋扩大,在海量评论数据中,负面评论对企业和消费者的参考价值更为突出,有效的面向负面评论的可视分析是有必要的.针对评论数据高维多元的特征,为了给企业和消费者提供全新的评论分析视角,以负面评论为切入点,给出负面评论的划定范围,提出了一个交互式的可视分析系统.首先,利用情感分析和意见挖掘方法处理用户评论数据,并提出评论个体影响力差异量化方法;其次设计了主题情感波纹图、评论比较视图等一系列交互式可视化表示方法,利用动态交互式方法构建多维度关联视图探索影响负面评论产生的因素,负面评论产生的原因及其个体化差异.3个案例的结果表明,所提系统是有效和实用的;同时,该系统还可扩展应用于其他领域的评论文本可视分析中.

摘要：本研究通过对网络新词的构造规律分析,对表达情感的网络新词进行识别算法的设计,提出基于HowNet和网络情感词的极性词典的人工构建方法,引进了同义词表减少手工构建的工作量,并抓住网络新词往往是现有情感词的其他形式这一特点,设计了针对表达情感的网络新词的自动识别方法,进一步扩展极性词的收录范围。

摘要：针对无法对舆情信息进行有效搜集、分析等难题,利用意见挖掘的相关技术,采用分步骤、分模型的设计方法,构建出城市形象网络监测系统。通过对与城市有关的评论进行挖掘和分析,识别其情感倾向和演化规律,并以可视化的界面将结果展现给相关政府部门。

摘要：在分析维吾尔语词性规则和语法特征的基础上,以维吾尔语评论性语句为研究语料,提出了一种基于Bootstrapping算法的意见挖掘关系抽取方法。在每一次迭代过程中,根据改进的评分公式选取最优模式抽取主题词-意见词对;迭代结束后,对于主题-意见词对为空的评论语句,使用最近匹配算法抽取主题-意见词对;用并联模式和否定模式对抽取的主题-意见词对进行扩展和修正。关系抽取的最终目标是为每一个评论性语句建立一个或多个二元组,并使主题词和意见词一一对应。实验结果表明了该方法在关系抽取上的有效性。

摘要：互联网在线评论文本意见挖掘是当今研究的一个热点。针对巨量数据在线评论文本进行实时意见挖掘需求,本文使用有监督的意见挖掘算法,使用朴素贝叶斯模型设计了一个高速评论文本意见挖掘系统。系统采用模块化设计理念,支持模块的灵活组合和模块技术的独立升级。通过实验,系统可有效对选取的餐饮评论信息集进行有效分类。

摘要：用户满意度评价是衡量产品价值实现程度的重要标准,同时也是获取用户需求表达的主要渠道。为了进一步迎合市场需求,有效提高产品研发效率,通过在线评价数据来获取用户满意度是目前互联网产品的普遍做法。本文以钉钉移动APP为例,针对在线评价数据构建一种基于意见挖掘和LDA模型的用户满意度影响因素数据采集方法。本文分析了用户满意度评价的意义和主要形式,介绍了意见挖掘与LDA模型的基本概念和应用方法,设计了基于意见挖掘与LDA模型的钉钉APP用户满意度评价数据采集和分析实验步骤,研究实验结果并得出用户满意度影响因素、用户潜在需求等相应结论。

摘要：随着互联网的快速发展,互联网用户更倾向于在博客、购物网站等场所借助于发表文章、评论等手段表达自己对感兴趣话题的关注、意见和相互交流。对这些用户生成内容进行挖掘可以得到很多宝贵的可应用于很多领域的知识,但其中存在的不请自来、与话题无关(广告等)或虽与话题相关但是虚假性的内容严重影响了挖掘的效果,并产生了误导用户、浪费资源等不良影响。因此,作为意见挖掘研究工作重要组成部分的垃圾意见研究工作开始得到空前的重视。从垃圾意见特征、垃圾意见检测方法两个方面对目前垃圾意见的研究状况进行了综述。

摘要：【目的】利用词典法辨识和量化我国科技政策文本用语中蕴含的决策者态度及其强弱程度,解决现有中文政策文本研究忽视词语语义强度的问题。【方法】立足科技政策的功能定位和用语特征,提出程度词的概念。兼顾数量和语义构建程度词典,包括依据专家知识选取种子词,利用PMI算法进行词语扩展,使用同义词词林筛选词语。最后结合TextRank算法进行实验验证。【结果】经信度和效度检验,构建的程度词典有效,结合程度词典的政策文本分析细粒度优于使用单一的文本挖掘算法。【局限】程度词典的权重设计有待细化。【结论】科技政策文本中的程度词丰富、规范且稳定,具有量化分析的价值;词典法可以有效识别并利用程度词,有助于深入挖掘政策文本的语义特征。

摘要：随着电子商务的飞速发展,用户评论信息对潜在顾客、商家和商品生产商的影响越来越大。由于在线的评论信息十分海量,所以很难通过人工浏览方式进行全面获取。评论句子往往具有很强的主观性,本文提出了整体方案帮助解决评论信息的获取、处理和可视化显示。通过利用词语的相似性计算方法和字的情感倾向分布概率计算方法,实现了极性词典的倾向值量化计算和极性词典的自动扩展。通过利用语义角色标注实现对评论句子的浅层语义分析,并利用统计结果设计出计算句子细粒度情感倾向值的方法。实验结果证明,基于语义角色标注方法比基于词性标注方法在句子细粒度情感倾向值计算中更有效。