基于实体情感演化置信网的观点检测方法

摘要 社交网络评论文本存在评论主题缺失或情感特征缺失的问题，无法保证观点检测的性能，对此提出了建立实体情感演化贝叶斯置信网的方法。通过提取名词、动宾短语、动名词复合型定中结构短语三种域相关实体，提取域相关情感特征，用可变关联强度作为网络结构学习的约束条件，建立2阶依赖扩展贝叶斯网络，刻画实体、观点及情感特征的依赖关系，再通过实体及情感特征对观点极性进行推断。实验在自然语言处理与中文计算2016（NLP&CC2016）评测训练数据集的F值平均达70.8%，FAVOR和AGAINST两类正确率分别比仅包含情感特征的贝叶斯网络分类方法提高4.1个百分点和3.1个百分点。在5个Target评论测试集上的平均Micro-F为62.3%，优于该评测的平均水平