虽然目前国内在方面的研究还处于起步阶段,但已经迅速.doc

观点挖掘是一个新颖而又具有较大应用价值的研究领域。虽然目前国内在这方面的研究还处于起步阶段,但已经迅速受到广泛的关注。竞争对手分析是企业竞争情报工作的核心,是企业在激烈的市场竞争中抢占先机,赢得竞争优势的制胜法宝。传统的竞争对手分析方法,如三角分析法、波特竞争对手分析模型、价值链分析法、产品市场矩阵图法等主要是基于对竞争对手及企业自身优势和劣势、目标、市场状况、竞争战略等相关要素的直接分析,很少从用户这一独特的第三方的角度进行展开。随着网上各类产品或服务评论等主观文本信息的激增,观点挖掘为企业从用户评价这一角度的信息源进行竞争情报分析提供了强大的技术支持,将观点挖掘应用于竞争对手分析具有重要意义。 1、,互联网已经成为人们表达观点、情感的重要工具。各种网上论坛、社区、博客、评测网站等平台的兴起,使得网民的参与热情和积极性大大提高,各种表达观点、情感的信息呈爆炸式增长。这些信息反映了大众舆论具有非常重要的参考价值。一方面,用户可以参考他人对某项产品或服务的性能、质量、用户体验等的评价,做出合理的购买决策;另一方面,企业可以依据用户对本企业产品或服务的评论,了解产品存在的不足从而进一步改进,与此同时也可以掌握用户的需求和喜好,为企业产品研发提供参考依据。然而由于这些信息数量庞大且呈现无结构化特点,单纯依靠人工阅读与分析耗时且效率低下,如何解决这些主观信息的海量化与人工阅读能力有限之间的矛盾,成为摆在研究者面前的一个重要问题,观点挖掘技术就是在这种背景下应运而生的。观点挖掘是以各种主观性文本为挖掘对象,利用自然语言处理以及数据挖掘技术,从大量文本中获取有价值的评价信息和观点的过程。广义的观点挖掘也被称为情感分类、情感分析或文本意见挖掘等[1]。观点挖掘是一个多学科综合的研究领域,涉及文本挖掘、信息抽取、信息检索、机器学****自然语言处理、概率论、统计分析、本体、可视化技术等领域,可以应用于民意调查、舆情分析、信息监控、市场预测、电子商务分析、客户关系管理等方面。 2、观点挖掘的任务与模型 ,因此重点关注评价性文本数据的挖掘。观点挖掘是在大规模的评价文本中发现倾向性的认识,识别出文本中包含主观性的句子,并对其情感色彩进行判断,主要包括3种挖掘任务[2]:(1)情感分类。情感分类是基于文档层次,属于粗粒度的观点挖掘。将观点挖掘看成文本分类问题,根据文本所体现的感情色彩将评论文本划分为褒义、中性、贬义三个类别。这一层次的观点挖掘主要提供关于一个对象、一个话题或事件的用户看法的宏观分布情况,不能发现用户喜欢与不喜欢的具体细节。(2)基于特征的观点挖掘。基于特征的观点挖掘进入到语句层次,属于细粒度的观点挖掘,以语句的观点倾向为基本研究对象提取观点的具体细节,包括识别并提取评论者借以表达观点的产品特征;决定评论者对该特征的观点是褒义的、贬义的还是中性的。这一层次的观点挖掘可以发现用户对某一对象是否喜欢,以及喜欢该对象的哪些方面等,对象可以是一个产品、一种服务、一个人或一个组织。(3)比较语句和关系挖掘。直接将一个对象与另一个或几个相似对象进行比较,涉及多个主体。比较挖掘包括识别文本中的比较段落或语句,分配到不同的类别中;从语句中提取比较关系。比较挖掘涉及多主体、多个特征,由于自然语言处理技术不够成熟,因此现阶段实现还有一定的困难。 、用户观点抽取、观点极性和强度判定以及挖掘结果显示等过程。本文在前人研究的基础上,进行了一些改进和细化,构建了一个基于评价文本的观点挖掘模型,如图1所示。该模型考虑了基于文档和句法两个层次的挖掘,便于从宏观上把握评价的总体分布情况,从微观上详细了解具体特征的评价。(1)评论语料库。从BBS、博客、新闻网站、各种评论网站等语料库上搜集关于某一主题的用户评论。(2)分类器。将用户评论按感情色彩划分为褒义和贬义,分别进行进一步基于特征的观点挖掘。(3)产品特征抽取。从产品评论中发现用户对产品的哪些特征进行了评价,产品特征主要包括产品的部件、功能、部件的性能和功能等。(4)用户观点抽取。提取评论中体现用户感情色彩的词或短语。(5)观点极性判断。提取表达用户观点的词或词组,判断它的极性,即表示褒义、中性还是贬义。(6)情感与特征匹配。将已经标注极性,表示用户观点的词与它所描述的特征对应起来,形成观点摘要。图1观点挖掘模型 3、观点挖掘在竞争对手分析中的作用竞争对手分析是竞争情报研究的核心,也是企业竞争战略制定的基础和有机组成部分。企业要在激烈的竞争中生存和发展,就必须运用作为市场竞争的导航和参谋的竞争情报分析工具,千方百计地了解竞争对手和竞争态势,知己知彼,方能百战不殆[3]。通过竞