分类： 图书馆学、情报学 >> 图书馆学 提交时间： 2023-10-08 合作期刊: 《知识管理论坛》
摘要： [ 目的 / 意义 ] 旨在探索从非结构化用户生成内容中提取及可视化用户情绪的方法，从感知层面 深入分析用户生成的内容，对其应用前景进行探讨与展望。[ 方法 / 过程 ] 以豆瓣网站书籍评论为分析对象， 借助中文领域的情绪词典与 LDA 隐主题建模方法实现细粒度情感要素提炼，并采用可视化技术对评论内容 中反映的情绪要素进行分析。[ 结果 / 结论 ] 研究发现，主题分析法和词典法均能有效提炼评论内容中的 用户情感要素，但存有差异，情感主题建模能够提供更细腻的用户情绪以及感知信息。通过应用场景的微调， 本研究所涉及方法可应用于体验型产品推荐等多种形式的评论感知效用挖掘任务。
分类： 图书馆学、情报学 >> 情报学 提交时间： 2023-04-01 合作期刊: 《图书情报工作》
摘要： [目的/意义] 基于语料的情感词发现依语句上下文推断情感词极性，能显著提升情感分析的准确率，在面向领域的特征级情感分析任务中有重要应用价值。[方法/过程] 对特征级情感极性研判问题展开探讨，提出基于点互信息的特征-情感对情感极性自动判别算法，算法借助大规模领域语料，根据观点表达特征-情感对与情感语义明确的种子词的共现关系，同时引入依存句法分析语句间的情感转折，通过修正经典的点互信息算法，对上下文约束下的用户观点表达进行褒贬预测。[结果/结论] 实验证明，修正算法的性能显著优于词典匹配算法和经典的点互信息情感识别算法，不仅能够推断词典中未纳入的观点表达的情感指向，而且能较准确地推断语境中的情感词极性。在餐饮评论和数码产品评论两个评测语料集上，修正算法的F1宏平均指标分别达到0.827和0.878。该算法以领域相关的大规模语料为支撑，基于概率统计和句法分析，因数据获取便利，算法效率高，移植性好，具有普适性，尤其适用于面向领域的情感分析任务。
分类： 图书馆学、情报学 >> 情报学 提交时间： 2023-04-01 合作期刊: 《图书情报工作》
摘要： [目的/意义] Web 2.0时代，在线评论质量参差不齐和过载问题十分严重，人们从中获取有价值内容的认知成本越来越高。探究以信息推荐方式解决评论过载的有效方案，以提升网络信息利用率和信息服务质量。论文提出的评论排名推荐方案关注评论的信息质量，更强调对用户的个人信息需求的满足。[方法/过程] 研究运用概率主题模型，引入词向量构建主题空间下的用户模型和评论模型，通过将其纳入评论感知效用评测系统，实现融合用户兴趣和评论质量的评论推荐，推荐效果通过系统实验予以检测。[结果/结论] 实验结果表明，评论信息质量和用户个体的信息需求，共同作用于用户对评论感知效用的满意度；推荐策略实现了二者的有机融合，三组不同推荐模式下的评测效果显示，相较于单纯的"兴趣推荐"和"效用推荐"，"融合推荐"综合满意度得分最高。
点击量
通过
点击量
下载量
评论
