基于有监督学习方法的多文档文本情感摘要  

Multi-document Opinion Summarization Based on Supervised Learning

作　　者：李艳翠[1,2] 林莉媛[1,3] 周国栋[1,3] 

机构地区：[1]苏州大学计算机科学与技术学院,江苏苏州215006 [2]河南科技学院信息工程学院,河南新乡453003 [3]苏州大学自然语言处理实验室,江苏苏州215006

出　　处：《中文信息学报》2014年第6期143-149,共7页Journal of Chinese Information Processing

基　　金：国家863计划前沿技术研究类项目(2012AA011102);NSFC面上项目(61273320)

摘　　要：该文研究有监督学习方法在多文档文本情感摘要中的应用。利用从亚马逊中文网和亚马逊英文网上收集的产品评论语料,抽取文本内特征、PageRank特征、情感特征和评论质量特征,基于有监督方法进行多文档文本情感摘要抽取。实验结果表明有监督学习方法比无监督学习方法在ROUGE值上有显著的提高,情感特征和评论质量特征均有助于文本情感摘要。This paper investigates the application of supervised learning methods in multi-document opinion summari- zation. We use the corpus collected from Amazon, extract text features, PageRank feature, opinion features and re- views quality features, and, finally, generate the multi-document opinion summarization based on supervised learn- ing method. Experimental results show that the ROUGE values are significantly improve by using supervised learn- ing method than that unsupervised learning method. The opinion features and reviews quality features are helpful for summarization.

关 键 词：情感摘要 评论质量 情感特征 有监督学习 最大熵分类器 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]