基于SVM的中文产品评论情感分类研究

摘　要：随着电子商务的飞速发展，网络上的产品评论数量也随着飞速增长。如何从大量的产品评论中挖掘出有效信息，已经成为一个重要的研究领域。情感分类将产品评论自动分为正面评论和负面评论两类，是一项有较大实用价值的分类技术，能帮助人们自动分析产品评论中包含的用户观点信息。本文针对中文产品评论的多种特征，使用SVM作为分类方法，比较分析了不同特征对分类效果的影响。实验结果表明，选择适当的特征，使用SVM可以获得较好的情感分类效果。

关键词：情感分类；产品评论；特征选择；支持向量机

1.引言
　　随着Web技术的飞速发展，相对于传统的购物方式，电子商务正变得越来越重要。为了吸引更多的消费者以及改善消费者的购物体验，很多电子商务网站都允许消费者对各种产品进行评论。因此，网络上的产品评论数量也在飞速地增长。在这些产品评论中，包含了消费者关于产品评价的丰富信息。但巨大的评论数量使得消费者很难在购买产品之前，通过阅读评论来获得对产品综合、全面的了解。同时，也使产品的生产厂商很难通过跟踪评论来进一步改进产品的设计、获得竞争优势 Q. Ye,W. Shi, Y. Li. Sentiment Classification for Movie Reviews in Chinese by Improved Semantic Oriented Approach. Proceedings of the 4th International Conference on Machine Learning and Cybernetics. Guangzhou, China: IEEE Press. 2005:2341-2346