情感分析关键技术研发：评价对象抽取与倾向性判断

本文主要探讨了情感分析领域中的两个关键技术：评价对象抽取（Comment Target Extraction）和倾向性判断（Sentiment Classification），这两个技术对于理解文本中的主观信息和情感极性至关重要。评价对象抽取是情感分析的第一步，它涉及到从文本中识别出提及的产品、服务或事件等可能被评论的对象。作者采用句法分析作为基础手段，通过对句子结构的解析来提取潜在的评价对象。句法分析帮助确定名词短语，然后借助基于网络挖掘的概率共现矩阵（PMI, Pointwise Mutual Information）算法和名词剪枝算法，进一步筛选出最有可能作为评价对象的候选词。 在倾向性判断阶段，研究者针对情感句型进行了深入剖析，通过观察和归纳不同句型下情感表达的规律，构建了一套无指导的判断方法。这种方法不依赖于预先定义的情感词汇库，而是通过对句子结构和上下文的分析来推断评价对象的情感倾向，如正面、负面或中性。这一步骤旨在捕捉文本中隐藏的情感信号，以实现更准确的情感分类。 值得注意的是，作者所开发的系统参加了COAE2008任务三的评测，并取得了较为优异的成绩。这表明他们的方法在实际应用中具有较高的性能和有效性。论文关注的领域是计算机应用与中文信息处理，特别是在情感分析领域，评价对象抽取和倾向性判断的研究成果对于提升文本情感分析系统的智能水平具有重要意义。 总结来说，这篇论文不仅介绍了评价对象抽取和倾向性判断的具体实施策略，还展示了如何通过技术创新在实际比赛中取得良好表现，为自然语言处理领域的研究者提供了有价值的参考和实践经验。