1、隨著網(wǎng)絡(luò)的普及和發(fā)展，越來(lái)越多的人喜歡在網(wǎng)上自由地發(fā)表自己的觀點(diǎn)和意見。對(duì)這些蘊(yùn)藏著巨大的潛在價(jià)值的觀點(diǎn)信息的挖掘和傾向性分析，可為網(wǎng)絡(luò)問政、輿情分析、市場(chǎng)導(dǎo)購(gòu)等領(lǐng)域提供決策支持。然而，文本中的觀點(diǎn)主要由帶有觀點(diǎn)的句子構(gòu)成，因此，本文開展句子級(jí)的觀點(diǎn)抽取方法研究，主要內(nèi)容如下:
　　 (1)基于集成觀點(diǎn)要素的觀點(diǎn)句抽取方法
　　 本文從經(jīng)驗(yàn)主義的角度出發(fā)，根據(jù)觀點(diǎn)句的語(yǔ)言結(jié)構(gòu)特點(diǎn)，分析了觀點(diǎn)句的重要組成要素，并對(duì)觀點(diǎn)要素

2、按照權(quán)重進(jìn)行集成，設(shè)計(jì)了一個(gè)觀點(diǎn)句集成分類函數(shù)，希望通過合理分配各觀點(diǎn)要素的權(quán)重，使觀點(diǎn)句能夠得到較高的函數(shù)值，而非觀點(diǎn)句則得到較低的函數(shù)值，從而將觀點(diǎn)句和非觀點(diǎn)句區(qū)分開來(lái)。實(shí)驗(yàn)結(jié)果表明，對(duì)評(píng)價(jià)搭配和程度副詞賦予較大的權(quán)重時(shí)，評(píng)分函數(shù)在觀點(diǎn)句抽取時(shí)可取得比較好的效果。
　　 (2)基于半監(jiān)督的集成分類器的觀點(diǎn)句抽取方法
　　 具有與領(lǐng)域相關(guān)的大規(guī)模和高質(zhì)量的標(biāo)注訓(xùn)練數(shù)據(jù)是提高機(jī)器學(xué)習(xí)分類器性能的重要保證，而標(biāo)注訓(xùn)練語(yǔ)料又

3、是一件費(fèi)時(shí)費(fèi)工的工程，因此，本文采用Bootstrapping思想擴(kuò)展訓(xùn)練語(yǔ)料，并從理性主義的角度出發(fā)，在經(jīng)典的機(jī)器學(xué)習(xí)分類算法樸素貝葉斯分類器、SVM分類器和最大熵分類器的基礎(chǔ)上進(jìn)行集成學(xué)習(xí)，提出了基于半監(jiān)督的集成分類器的觀點(diǎn)句抽取方法，實(shí)驗(yàn)結(jié)果表明，集成后分類器的性能明顯優(yōu)于單分類器，并且基于半監(jiān)督的集成分類器的抽取方法在使用少量標(biāo)注訓(xùn)練數(shù)據(jù)的情況下能與全標(biāo)注數(shù)據(jù)實(shí)驗(yàn)的結(jié)果基本一致。
　　 (3)設(shè)計(jì)并實(shí)現(xiàn)了基于java平臺(tái)