基于最大熵的情感倾向研究
浅谈“熵”概念及对学生情感态度与价值观的教育功能
时指 出 ：高中物理课 程在 内容 上应 精选 学 生终 身学 习必备 的基 “
础 知识与技 能 ， 加强与学 生生 活、 现代社 会及 科技 发 展 的联系 ， 反 映当代科学技 术发展 的重要成果 和新 的科学 思 想 ， 注物 理学 的 关 技术 应用所带 来的社会 问题 ， 养学生 的社 会参 与意 识和 对社 会 培
・
８ ４・
跨世纪
２０ ０ ８年 １ １月 第 １ ６卷第 １ 期 １
ＣｏｓＣ ｎ ｒ， ｏｅ ｂ ｒ ０ ８ Ｖ ｌ ６ ｏ１ ｒｓ ｅｔ ｙＮ ｖｍ ｅ ０ ， ｏ １ ，Ｎ ．１ ｕ ２
浅谈 “ ＂ 念及对 学生 情感 态 度 熵 概 与价值 观 的教 育功 能
汤 超
（ 陕西省 宝鸡教育 学 院 ， 陕西 ， 宝鸡 ，２０ １ ７ １０ ）
能沿着 一个方 向转换 ， 即从 可利用 到不 可利 用 ， 有 效到 无效 ， 从 从 有秩序 到无秩序 （ 就是 说 宇 宙万 物从 一 定 的价 值 与结 构 开始 ， 不 可挽 回地 朝着混乱 与荒废发 展 ） 。它 指 出了物 质和 能量 的转换 是 不可逆 的过程 ， 且是 自 界 中存在 的一个 普遍规律 。 而 然
会 以高 于 自然本 身转 化 的速 度把 借 用 的低熵 物 质能 量转 化成 效 用和垃圾 ， 赤字便会 上 升 。 这就 要求 我 们在 发展 经 济的 同时 ， ” 一 定 要注 意节约能 源 ， 保护 自然资源 ， 保护 环境 ， 做 到人 与 自然 的 要
和谐相处 。
说， 能量完全 均匀地分 布 ， 那么 ， 这个系统 的熵就达 到最大值 。
新闻报道文本的情感倾向性研究
２ Ｉｓｔｔｏ Ｃ ｍｐ ｔｔ ｎ ｌ ｉｇ ｉ ｉｓＰ ｋｎ ｉｅｓｙ Ｂ ｉｎ ０ ８ １ ．ｎｔｕｅ ｆ ｏ ｕａ ｏａ Ｌｎ ｕｓ ｃ， ｅｉｇＵｎｖ ｒｉ ， ｅ ｉｇ１０ ７ ） ｉ ｉ ｔ ｔ ｊ
［ ｓｒｃ］Ｔ ｉ ｐｐ ｒ ｓｓｍａｈｎ ｅｒｉｇｔｃｎｑ ｅ ｏ ｉｅ ｔ ｅｒｌｓｏｓｌｅｓｎｉ ｎ ｌｓｉｃｔ ｎｏ ｅ ｘ， ｎ ｅｅｒｈ ｓ Ａｂ ｔａ ｔ ｈｓ ａｅ ｅ ｃ ｉｅｌａｎｎ ｈ ｉｕ ｓｃｍｂｎ ｄｗｉ ｔ ｅ ｏｖ ｅｔ ｔ ａｓｆ ａｉ ｆ ｗｓｔ ｔａｄｒｓａｃｅ ｕ ｅ ｈｈ ｕ ｔ ｍｅ ｃ ｉ ｏ ｎ ｅ
ｒｌｓ ｅ ｐ ｒｍｅ ｔｌ ｅｕｌ ｉ ｉ ｒ ｖ ｄ ｎ ｏ ｄ ｒｔ ｅｔｕ ｉｅ ｓｌ ｙｏ ｅｃ ｍｂｎ ｄ ｍｅｈ ｄ ｍｏ ｅｅ ｐ ｒｍｅ ｔ ａ ｅ ｎ ＫＮＮ ｎ ｙ ｓｃａｓｆ ｒ ｕｅ ， ｘ ｅｉ ｎａ ｓ ｔ ｓ ｍｐ ｏ ｅ Ｉ ｒｅ ｏ ｔｓ ｎｖ ｒａｉ ｆｔ ｏ ｉｅ ｔ ｏ ， ｒ ｘ ｅ ｉ ｎ ｓｂ ｓ ｄｏ ｒ ｔ ｈ ａ ｄＢａ ｅ ｌｓ ｉｅ ｉ
。
通 过观 察语料发现 ，赞扬类正确率低的主 要原 因是 赞扬
类 的一 些规 则覆 盖 了喜 悦 类 语 料 。这 种 错 误 不 存在 极 性 的差
绝对词频（Ｆ ：特征项在文本 中出现的次数 。 Ｔ）
倒排文档频度（ Ｆ ： Ｉ ） Ｄ
ｌ・ ｂＮ
＝
别 ，仅是程 度的区别 ，是可以接受的。
３２ 统计 方法 ．
３２１ 特 征 选 择 ． ．
其 中，Ｆ是训练集中 出现特征 项 ｆ的文档数 ；Ｎ 为训练集全 ／
部 的文 档 数 。
ＴＦ．Ｄ Ｆ： Ｉ ×ｌ ｂ
刀
【国家自然科学基金】_文本情感分类_基金支持热词逐年推荐_【万方软件创新助手】_20140729
科研热词 情感分类 语义理解 计算机应用 文本挖掘 文本情感分析 支持向量机 在线评论 中文信息处理 跨领域 资源建设 语义特征 评测 褒贬分类 网络推手 综述 特征选择 特征权重 正负情感 正文抽取 机器学习 有用性 文本特征 文本情感分类 抱怨文本识别 情绪压力 情感向量空间模型 情感分析 情感倾向性 情感信息的检索与归纳 情感信息抽取 情感信息分类 客户抱怨 在线口碑效应 图排序 口碑 倾向识别 倾向性分析 主题分类 主观性识别 主观性文本 主客观表达形式 web文本 em算法 boosting bayesian
科研热词 情感分类 文本分类 语义倾向 计算机应用 观点挖掘 神经网络 特征词识别 模拟退火算法 最大熵 文本挖掘 支持向量机 意见检索 意见挖掘 情感极性 情感分析 态度分类 分界点 中文信息处理
推荐指数 3 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2010年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45
科研热词 情感分类 情感分析 微博 跨领域 混合模型 文本分类 lda 非平衡数据 集成学习 通用背景模型 迁移学习 识别 评论挖掘 评论 观点句识别 观点句 表情符号 网购评论 网络评论 统计语言模型 统计分析 粗糙集 签到行为 短文本分类 短文本 直觉模糊集 特征融合 热传导模型 段落 标签传播 无监督学习 文本挖掘 文本情感分类 文本情感分析 文本分析 数字音频取证 支持向量机(svm) 支持向量机 意见领袖 情感词典 情感细分类 情感文摘 情感字典 情感句模 情感倾向分析 情感倾向 录音设备来源识别 实验设计 多极性形容词 多媒体取证技术 复合分类法 基于位置的社交网络
文本情感分析方法研究综述
文本情感分析方法研究综述一、本文概述随着信息技术的飞速发展和大数据时代的到来，文本情感分析作为自然语言处理领域的一个热门研究方向，正受到越来越多的关注。
本文旨在对文本情感分析方法进行全面的研究综述，旨在梳理和分析当前情感分析的主要方法、技术及其发展趋势，以期为读者提供一个清晰、系统的认识框架。
本文将简要介绍文本情感分析的研究背景和意义，阐述情感分析在社交媒体分析、舆情监控、产品评价等领域的重要应用。
随后，文章将重点回顾和总结情感分析的发展历程，包括早期的基于词典的方法和规则的方法，以及近年来兴起的基于机器学习和深度学习的情感分析方法。
在详细分析各类情感分析方法时，本文将深入探讨各种方法的原理、优缺点以及适用场景。
文章还将关注情感分析领域的一些前沿研究，如基于深度学习的情感分析模型、多模态情感分析以及情感分析的跨领域应用等。
本文将对未来的研究方向和挑战进行展望，以期为推动文本情感分析技术的发展提供有益的参考和启示。
通过本文的综述，读者可以对文本情感分析方法有一个全面、深入的了解，为相关领域的研究和实践提供有益的借鉴和指导。
二、文本情感分析的发展历程文本情感分析，也称为观点挖掘或情感挖掘，是自然语言处理（NLP）领域的一个重要研究方向。
自20世纪90年代起，随着计算机科学和的飞速发展，文本情感分析逐渐受到了广泛关注，经历了从简单规则到复杂模型的发展历程。
早期的研究主要基于规则或词典的方法。
研究者们通过构建情感词典或情感词汇列表，结合简单的文本处理规则，对文本进行情感倾向的判断。
然而，这种方法受限于情感词典的完备性和规则设计的灵活性，难以处理复杂的语言现象和上下文依赖。
随着机器学习技术的兴起，文本情感分析开始进入新的发展阶段。
研究者们开始尝试使用各种机器学习算法，如朴素贝叶斯、支持向量机（SVM）、最大熵模型等，对文本进行情感分类。
这些算法能够从大量数据中学习出有效的特征表示，从而提高了情感分析的准确性和鲁棒性。
python 最大熵模型 -回复
python 最大熵模型-回复Python最大熵模型（Maximum Entropy Model）是一种经典机器学习算法，它在自然语言处理、信息提取和文本分类等任务中有广泛的应用。
本文将围绕Python最大熵模型展开讨论，并逐步回答你关于该模型的问题。
首先，让我们来了解一下什么是最大熵模型。
最大熵模型是一种统计模型，它是由最大熵原理推导出来的。
最大熵原理认为，在没有任何先验知识的情况下，我们应该选择具有最高熵的模型。
在信息论中，熵是对不确定性的度量，因此最大熵原理可以理解为选择最不确定的模型。
最大熵模型的目标是在满足已知约束条件的情况下，选择最不确定的模型。
下面，让我们来看一下如何使用Python实现最大熵模型。
在Python中有多种库可以实现最大熵模型，其中较为常用的库有NLTK（Natural Language Toolkit）和Scikit-learn。
这两个库都提供了丰富的函数和类来支持最大熵模型的训练和预测。
首先我们需要准备训练数据。
最大熵模型是一种有监督学习算法，因此需要标注好的训练数据来进行模型训练。
训练数据一般由特征和标签组成，特征是用来描述样本的属性，标签是该样本所属的类别。
在NLTK 和Scikit-learn中，通常将特征表示为一个包含多个键值对的字典，其中键表示特征的名称，值表示特征的取值。
接下来，我们可以使用NLTK或Scikit-learn中提供的函数或类进行最大熵模型的训练。
这些函数或类提供了一些参数来进行模型训练的配置，如正则化参数、最大迭代次数和收敛条件等。
我们可以根据具体任务的需求来选择不同的参数配置。
在模型训练完成后，我们可以使用训练好的模型来进行预测。
预测过程同样需要提供待预测样本的特征表示。
最大熵模型会根据已学到的模型参数来为待预测样本进行分类，输出预测结果。
最后，我们可以对模型进行评估。
常用的评估指标包括准确率、召回率、F1值等。
这些指标可以帮助我们评估模型的性能，并做出进一步的改进。
基于最大熵的情感倾向研究
科技 强向导
◇ 高教论 述◇
基于最大熵的情感倾向研究
（ 上海 Ｓ－ ｒ ￣学 韩 卓 中国 上海 ２ ０ ０ ０ ９ ３ ）
【 摘 要】 随着 电子商务的迅速发展 ， 网络上涌现 了 许 多购物 网站和产品论坛 ， 这些购物 网站和产品论坛为消费者提供 了发表评 论的平台。 越 来越 多的人在做 出消 费决策前喜 欢到 互联 网上参考用户和媒体对 某产品的评论和报 道信 息。 本文利 用最大熵方法对 网 络 产品评论的情感倾 向进行识 别． 通过 实验表明最大熵方法是一种 非常有前途的文本分类方法。
如果 没有其他任何先验知识 ， 根 据滴 的性质 ， 式（ ３ ） 得 到最大值 的 ０ ． 引 言 随着 电子商务 的迅速发展 ． 近年来 ． 自有服装品牌 、 网站销售的购 条件是 ： 物模式得到了越来越多顾客 的认可 ． 如凡客诚品 、 梦芭莎等 ， 因为是 自 ｐ （ ａ Ｉ ｂ ） ＝ （ ４ ） 有品牌 ， 所以这些购物网站的商品质量相对统一。 越来越 多的人在做出 消费决策前喜欢到互联 网上参考用户和媒体对某产品的评论和报道信 因 为∑ｐ （ ａ ｌ ｂ ） ＝ ｌ 息 通过互联网上 的产品评论 ． 消费者可以了解其他用户对产 品的态度 但是 ， 尽 管训练语料 中不能 给出所 有二元组（ ａ ， ｂ ） 的概率值 ， 但能 倾 向． 从而做 出更好的购买决策 ． 对于销售商和生产商 ． 可 以及 时获得 或某些概率需要满足的条件 即问题变 用户对其产品和服务的反馈 ． 了解用户对 自己和对竞争对手 的评价 ． 从 够给出部分二元组的概率值 ． 而改进产品． 改善服务 ， 获得竞争优势 。 因此 ． 作为非结构化信息挖掘的 成求部分信息下 的最大滴或满 足一定约束的最优解 如何 表示这些部分 信息呢研 究者引人了特征函数的概念 ｆ 有时简 个新兴领域 ． 产品评论的情感倾向研究引起了人们极大的兴趣 【 ｌ Ｊ 称为特征） ． 特征 函数一般情况下 是一个二值 函数 他 ６ ） 一 ［ ０ ， １ １ ， 例如对 １ ． 最 大 熵模 型 于上述的文本分类 问题 ， 我们可以定义特征 函数为 ： 最大嫡模 型是用来进行概率估计的： 假设是某个事件 ． ｂ 是事件 ａ ｆ １ ， （ ａ ＝ 事类） ＾（ ｂ ＝ 飞机） 发生的环境（ 或称上下 文） ， 我们想知道 ａ 和 ｂ的联合概率 ， 记为 ｐ ａ ， ｂ ） 。 ， ＿ ０ Ｊ ＝ ｛ ０ ｏ ｔ ｈ ｅ ｒ ｓ ｉ ｚ ｅ 更一般地 ． 设所有可能发生 的事件组成的集合为 Ａ． 所有环境组成的集 合为 Ｂ ， 我们想知道 ， 对于任意给定的 ａ ∈ Ａ ｂ ∈ Ｂ ， 概率 ｐ （ ａ ＇ ｂ ） 是多少？ 对于特征函数关， 它相对 于经验概率分布ｐ （ ａ ， ｂ ） 的期望值为 我们把这个问题放 到 自 然语言处理的领域来讨论 ． 对于文本分类 ∑ （ （ ６ ） （ ５ ） 问题 ． 一个 文档分到某个类别可 以看成一个事件 ． 文档 中出现 的词可 以看成这个事件发生的环境 ． 我们想知道包含词 ｂ的文档属 于某一类 特征函数 相对于模型Ｐ ６ ） 的期望值为 ａ 的概率。很容易想到的方法是通过训 练语料进行统计 。给定一个训
中文文本情感分析综述
ICTCLAS 解析并标注中文文本，分别采用文本频率、CHI 统计 量、互信息、信息增益四种特征选择方法，以中心向量法、K 近 邻、Winnow、朴素贝叶斯和支持向量机作为不同的文本分类 方法，在不同的特征数量和不同规模的训练集情况下进行了 实验，并对实验结果进行了比较。对比结果表明： 采用文档频 率特征表示方法优于其他特征选择方法和支持向量机分类方 法优于其他分类方法。在足够大训练集和选择适当数量特征 的情况下，文本的情感倾向分类能取得较好的效果。但是文 本的主题不同对分 类 的 结 果 有 影 响。孟 凡 博 等 人［17］ 设 计 并 实现了一个基于关键词模板的文本褒贬倾向判定系统。该系 统定义Байду номын сангаас关键词 类 别、建 立 了 关 键 词 库、关 键 词 模 板 库，并 设计了模板匹配算法和文本褒贬倾向值算法，对测试文本进 行关键词及模板匹配进而判断测试文本的褒贬倾向。李寿山 等人［18］具体研究四种不同的分类方法在中文情感分类上的 应用，并且采用一种基于 Stacking 的组合分类方法，用以组合 不同的分类方法。实验结果表明该组合方法在所有领域都能 够获得比最好基分类方法更好的分类效果。
文本情感分析是指对包含用户表示的观点、喜好、情感等 的主观性文本进行检测、分析以及挖掘。文本情感倾向分析 作为一个多学科交叉的研究领域，涉及包括自然语言处理、计 算语言学、信息检索、机器学习、人工智能等多个领域。文献 ［1 － 3］对文本情感分析的目的、主要任务以及主流技术做了 简要的介绍，但主要是介绍针对英文的文本情感分析，对中文 文本情感分析并没有重点介绍。本文主要介绍针对中文文本 情感分析的主流方法与研究进展。
最大熵模型(matlab应用)
04
最大熵模型的优化
正则化技术
L1正则化
也称为Lasso正则化，通过在损失函数中添加权重向量的L1范数，使得权重向量中的某些元素变为零，从而实现 特征选择。
L2正则化
也称为Ridge正则化，通过在损失函数中添加权重向量的L2范数，使得权重向量的所有元素都变小，从而防止过 拟合。
特征选择优化
基于互信息的特征选择
金融领域
最大熵模型在金融领域中可用于风险 评估、股票预测和信用评分等任务。
02
最大熵模型的建立
特征选择
特征选择
在建立最大熵模型之前，需要选择与 目标变量相关的特征。通过特征选择， 可以去除无关或冗余的特征，提高模 型的精度和泛化能力。
特征选择方法
常见的特征选择方法包括基于统计的 方法、基于信息论的方法、基于模型 的方法等。在Matlab中，可以使用如 fitcdiscr等函数进行特征选择。
图像识别
总结词
详细描述
最大熵模型在图像识别中也有着重要的应用， 尤其在处理复杂图像时表现出色。
最大熵模型可以用于图像分类、目标检测和 人脸识别等任务。通过训练最大熵模型，可 以学习到图像的特征，并根据这些特征对图 像进行分类或检测目标。最大熵模型在处理 复杂图像时具有较好的鲁棒性，能够有效地 处理噪声和光照变化等因素。
它基于信息论中的熵概念，熵表示随机变量的不确定
性或混乱程度。
03
在统计推断和机器学习中，最大熵原理常用于模型选
择和特征提取。
最大熵模型的定义
01
最大熵模型是一种基于最大熵原理的概率模型，它通过最大化 熵值来选择概率分布。
02
在形式上，最大熵模型通常表示为一系列约束条件下的优化问
基于XGBoost算法的电商评论文本情感识别模型
基于XGBoost算法的电商评论文本情感识别模型作者：苏兵杰周亦鹏梁勋鸽来源：《物联网技术》2018年第01期摘要：由于电子商务网站上商品评论数量激增，对商品评论信息进行数据挖掘和情感分析显得尤为重要。
文中立足于电子商务平台上生鲜产品的评论文本，将情感识别问题抽象为分类问题，结合TF-IDF和卡方检验方法提取文本特征，利用XGBoost算法训练分类器建立商品评论文本的情感识别模型，将海量的商品评论数据转换为人们需要的信息。
关键词：电子商务；用户评论；XGBoost算法；情感识别中图分类号：TP39 文献标识码：A 文章编号：2095-1302（2018）01-00-040 引言互联网和电子商务的发展，使网络上的商品评论文本数量激增，这些商品评论对购买同种商品的买家具有指导作用。
然而面对数量庞大的商品评论，买家若通过逐个查看的方式获取信息必将耗费大量精力，效果也不好。
同时电子商务平台上的评论分类并不能准确表达已购买用户真正的情感倾向。
在eBay信誉机制研究中Resnick等曾指出，买家由于担心差评会遭到卖家的报复会在评论时选择给出好评[1]，比如2012年轰动一时的“寿衣门”事件。
因此，大量消费者在评论时会再三思虑，造成了许多负面评价隐藏在好评之下。
面对这些问题，迫切需要对评论文本进行情感倾向识别。
文本情感分析实质上是对带有情感色彩的主观性文本进行分析、归纳和处理的过程[2]，吸引着不同领域研究者的广泛关注，比如人工智能、自然语言处理以及数据挖掘等[3-6]，涌现出大量相关的研究工作。
目前在文本情感分析方面最常用的两种方法是基于语义词典和基于机器学习的分类算法 [7]。
基于语义词典的情感计算方法利用通用情感词典或编纂情感词表来进行情感分析。
文献[8]提出合并通用情感词典并利用word2vec工具扩充词典构建酒店领域情感词典，可有效对酒店领域的评论进行情感分析。
文献[9]针对网络在线中文评论的特点，将领域本体和情感词典相结合进行商品评论倾向性分析。
最大熵模型的基本原理及其应用
最大熵模型的基本原理及其应用概述最大熵模型是一种常用的概率建模方法，广泛应用于自然语言处理、信息检索、图像识别等领域。
本文将介绍最大熵模型的基本原理，并探讨其在文本分类和情感分析中的应用。
一、最大熵模型的原理最大熵模型的核心思想是在给定一些已知条件的情况下，选择最平均、最不确定性的模型。
它通过最大化熵来选择概率模型，以保持模型的最大不确定性。
最大熵原理认为，当我们缺乏先验信息时，应该假设所有可能的结果都是等概率的，这样可以避免引入任何决策者的主观偏见。
二、最大熵模型的数学表示最大熵模型的数学表示可以通过最大熵优化问题来描述。
给定一些已知条件，最大熵模型要求找到满足这些条件的概率分布，使得该分布的熵最大。
通过求解最大熵优化问题，可以得到最大熵模型的参数估计。
三、最大熵模型在文本分类中的应用在文本分类任务中，最大熵模型可以用来训练一个分类器，将文本分类到事先定义好的类别中。
最大熵模型通过学习文本特征与类别之间的关系，自动挖掘特征的重要性，并据此进行分类。
最大熵模型的主要优点是能够处理大规模的特征空间和非线性问题，具有很强的表达能力。
四、最大熵模型在情感分析中的应用情感分析是研究文本情感倾向的任务，最大熵模型在情感分析中也具有广泛的应用。
最大熵模型可以学习文本特征与情感倾向之间的关系，从而实现情感分类的功能。
通过训练一个最大熵分类器，可以对文本进行情感分类，判断其是正面还是负面的情感。
最大熵模型在情感分析中的优势在于可以灵活地利用各种特征，并且能够处理多类别情感分类问题。
五、最大熵模型的应用挑战尽管最大熵模型在文本分类和情感分析中有广泛的应用，但也存在一些挑战。
首先，最大熵模型在处理大规模数据时要求计算量较大，需要考虑模型的训练和推断效率。
其次，最大熵模型对特征的表示非常敏感，需要合理选择和设计特征，以提高模型的性能。
此外，最大熵模型的参数估计问题也比较复杂，需要采用合适的算法和技巧来优化模型的参数。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于最大熵的情感倾向研究【摘要】随着电子商务的迅速发展，网络上涌现了许多购物网站和产品论坛，这些购物网站和产品论坛为消费者提供了发表评论的平台。
越来越多的人在做出消费决策前喜欢到互联网上参考用户和媒体对某产品的评论和报道信息。
本文利用最大熵方法对网络产品评论的情感倾向进行识别，通过实验表明最大熵方法是一种非常有前途的文本分类方法。
【关键词】用户评论；文本分类；最大熵模型；情感倾向【Abstract】With the rapidly expand of electronic commerce，it has emerged many shopping websites and the product forum in the net，these shopping websites and the product forums provide specially the platform for the consumers to publish their reviews.More and more people like to browse the user and the media published some product reviews and the report information before making a decision.Maximum entropy model is used to Sentiment Analysis.In experiments，maximum entropy model is a promising technique for sentiment analysis.【Key words】Customer reviews；Test classification；Maximum Entropy Model；Sentiment；Analysis0.引言随着电子商务的迅速发展，近年来，自有服装品牌、网站销售的购物模式得到了越来越多顾客的认可，如凡客诚品、梦芭莎等，因为是自有品牌，所以这些购物网站的商品质量相对统一。
越来越多的人在做出消费决策前喜欢到互联网上参考用户和媒体对某产品的评论和报道信息。
通过互联网上的产品评论，消费者可以了解其他用户对产品的态度倾向，从而做出更好的购买决策，对于销售商和生产商，可以及时获得用户对其产品和服务的反馈，了解用户对自己和对竞争对手的评价，从而改进产品，改善服务，获得竞争优势。
因此，作为非结构化信息挖掘的一个新兴领域，产品评论的情感倾向研究引起了人们极大的兴趣。
[1]1.最大熵模型最大嫡模型是用来进行概率估计的：假设是某个事件，b是事件a 发生的环境（或称上下文），我们想知道a和b的联合概率，记为p（a，b）。
更一般地，设所有可能发生的事件组成的集合为A，所有环境组成的集合为B，我们想知道，对于任意给定的a∈A b∈B，概率p（a，b）是多少？我们把这个问题放到自然语言处理的领域来讨论，对于文本分类问题，一个文档分到某个类别可以看成一个事件，文档中出现的词可以看成这个事件发生的环境，我们想知道包含词b的文档属于某一类a的概率。
很容易想到的方法是通过训练语料进行统计。
给定一个训练集，定义A=（a1，a2，···，am）是文档所属类别集，B=（b1，b2，···，bn）是文档的特征词集，num（ai，bj）为训练集中二元组（ai，bj）出现的次数，那么我们可以使用如下公式进行概率估计：（ai，bj）= （1）这个方法有个很大的问题，即“稀疏事件”（sparse evidence）问题，即便是很大的训练文本，很多二元组仍然没有出现，武断地认为它的概率为0，显然是不可取的。
最大熵模型是这样来解决稀疏事件问题的，它使未知事件的概率分布总是尽可能均匀，即倾向于得到最大嫡[2]。
例如一个军事、政治和科技的3类文本分类问题，我们得知，出现“飞机”这个词的80%的文档属子军事类别，对于“飞机”这个词在其他两类中的分布未知.根据最大嫡原则，如果给定一个包含“飞机”这个词文档，那么认为文档以0.8的概率属于军事类别，分别以0.1的概率属子其他两类；如果文档中不包含“飞机”这个词，那么认为文档分别以相同的1/3的概率属于每一个类.即在符合已知约束的情况下，使未知事件的分布尽可能均匀。
具体来说，根据Shannon[2]的定义，嫡的计算公式如下：H（P）=-p（x）log2p（x）（2）那么，求解满足最大嫡原则的概率分布的公式如下：p*=arg maxH（P）（3）如果没有其他任何先验知识，根据滴的性质，式（3）得到最大值的条件是：p（a|b）= （4）因为p（a|b）=1但是，尽管训练语料中不能给出所有二元组（ai，bj）的概率值，但能够给出部分二元组的概率值，或某些概率需要满足的条件。
即问题变成求部分信息下的最大滴或满足一定约束的最优解。
如何表示这些部分信息呢研究者引人了特征函数的概念（有时简称为特征）.特征函数一般情况下是一个二值函数f（a，b）→[0，1]，例如对于上述的文本分类问题，我们可以定义特征函数为：f（a，b）=1，（a=事类）∧（b=飞机）0 othersize对于特征函数关，它相对于经验概率分布（a，b）的期望值为：Ef=（a，b）f（a，b）（5）特征函数f相对于模型（a|b）的期望值为：Epf=（b）（a|b）f（a，b）（6）我们限制在训练集中，这商个期望值相同，即Epf=Ef （7）我们将式（7）称为约束。
显然，可以定义很多的特征函数，它们之间可以是互不相关的，甚至问题的角度也可以是完全不同的刻问题的力度也可大可小总之，特征函数很灵活地将许多散、零碎的知识组合起来完成同一个任务.给定k 个特征函数f1，f2，···，fk我们可以得到所求概率布的k组约束，Epf=Ef其中，i=1，2，···，k。
现在，我们的何题就变成了满足一组约束条件的最优解问题，即p={p|Epf=Ef，i=1，2，···，k}p*=arg H（p）（9）求解这个最优解的经典方法是拉格朗日乘子算法，本文直接给出结论。
式（9）要求的p*具有下面的形式：p*（a|b）=exp（λifi（a，b）（10）其中，π（b）是规一化因子。
π（b）=exp（λifi（a，b）（11）λi是参数，可以看成特征函数的权值，如果通过在训练集上进行学习，知道了的值，就得到了概率分布函数，完成了最大嫡模型的构造。
设|A|是事件集的大小，k是特征函数的数目，从式（10）我们可以看到塌大嫡模型的时间复杂度是O（k|A|）。
为了构造最大嫡模型，我们必须求出参数λ，文本中我们使用了GIS算法。
设N是训练样本集的大小，|A|是事件集的大小，算法经过P次迭代后收敛，则整个复杂度是O（NP|A）。
2.实验基于网络产品评论的倾向化研究实验，我们选取了凡客诚品购物网。
凡客诚品购物网网是国内著名的拥有自主品牌，网络销售的以服装类销售为主的购物网站，该网站包括数万个款式的服装，数百万个注册用户和数千万条评论数据。
本文选择了包含评论最多的100款服装作为研究对象。
本文实验的结果主要有两个评价指标：召回率和准确率。
召回率是模型正确判断的结果占所有正确结果的比率；准确率是模型正确判断的结果占所有判断结果的比率[3]。
为了综合评价系统的性能，一般还会计算一个F值，即准确率和召回率的加权几何平均值[4]。
以上三个评价指标的计算公式如下：其中，β是召回率和准确率的相对权重，本文取β=1，即认为召回率和准确率同等重要。
主观评论一般分为三类：正面褒扬类、中立类、反面贬斥类，可以根据评论中出现的情感词进行判别[5]。
本文的实验语料为用户对100款服装的评论，从中选出800条评论语句。
本文首先将原始语料进行了处理，为了不破坏评论中情感词的上下文关系，更好地将评论的倾向性看作一个序列，降低数据拟合对实验结果的影响，我们抽取其中的600条评论作为训练集，200条评论作为测试集。
评论的标记情况如表1所示：利用最大熵模型对其中600条标记的评论进行训练，得到一个模板文件，然后根据此模板文件对剩余200条测试语料进行测试，实验结果如表2所示。
从下表可以看出，200条测试评论人工标注的结果为褒扬类100条，贬斥类80条，中立类20条，而模型判断的结果为：褒扬类87条，贬斥类67条，中立类46条。
由于受到客观中立类冗余标记的影响，有些本身带有情感倾向的评论没有被模型正确识别出来，而是误将它们划分到了中立的类别中，同时，有些本身不包含情感倾向的中立类评论被误分到了褒扬或贬斥的类别中[5]。
上表中匹配标记指的是模型判断出的结果与人工标注的结果相一致的标记，也就是指模型判断正确结果的总数。
整体来看，三类标记取得的准确率和召回率不是很高，仅为61.5%，尤其是中立类的准确率不到30%，是因为在训练过程中，模型受客观冗余标记的影响，将一些褒扬或贬斥类的评论误分到了中立类别中，导致模型判断出的中立类结果总数增多，从而降低了其准确率。
3.结论在评论中可能出现了情感词表中未能包含的情感词汇或者是出现了在否定词表和程度副词表中没有包括的否定词和程度副词，因为情感词表是我们人工标注的，由于精力有限，使得情感语料规模有限，这也使得统计不够全面。
对于评论中的一些词汇是否包含情感，是否是情感词汇，只能通过人工才能判断，无论是采用基于规则的，还是基于统计的方法，目前的机器计算都还无法判断出来的[6]。
以上这两方面可能是造成我们的结果精确度不高的原因。
总的来说，取得了不错的准确率和召回率，都达到了60%以上，表明使用最大熵模型做情感倾向研究是很有效的。
【参考文献】[1]姚天昉，娄德成.汉语语句主题语义倾向分析方法的研究.中文信息学报，2007，21（05）：73-79.[2]徐琳宏，林鸿飞，杨志豪.基于语义理解的文本倾向性识别机制阴.中文信息学报，2007，21（1）：96-100.[3]周俊生，戴新宇，尹存燕，陈家骏.自然语言信息抽取中的机器学习方法研究.计算机科学，2005，32（03）：186-190.[4]Adam L.Berger，Stephen A.Della Pjetra，and Vincent J.Della Pjetra .A Maximum EntropyApproach to Natural Language putational Linguistic，1996，22（l）：39-71.[5]姚天防，程希文，徐飞玉等.文本意见挖掘综述[J].中文信息学报，2008，V ol.22（No.3）.[6]许洪波，姚天防，黄营等等.“中文倾向性分析评测技术报告”.北京：第二届中文倾向性分析评测会议（COAE2009），2009.[7]S.Blair-Goldensohn，K.Hannan，R.McDonald，T.Neylon，G.A.Reis，J.Reynar. Building a sentiment summarizer for local service reviews.Proceedings of NLP Challenges in the Information Explosion Era.Beijing：Academic Press，2008：1-9.。