论文 网络评论方面级观点挖掘方法研究综述 阅读笔记

原文：http://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDLAST2018&filename=RJXB201802011&uid=WEEvREcwSlJHSldRa1FhdkJkVG1CcDcrOVB4VlhGY2FBaDdsaVlRYmlKST0=$9A4hF_YAuvQ5obgVAqNKPCYcEjKensW4IQMovwHtwkF4VYPoHbKxJw!!&v=MjM1MzhSOGVYMUx1eFlTN0RoMVQzcVRyV00xRnJDVVJMT2ZaT1JzRnl6a1U3ck1OeWZUYkxHNEg5bk1yWTlFWlk=
搜索出来的地方：


方面是指在一条互联网评论语句中粒度细的评论对象,即观点词所指向的小对象.目前的研究工作中, 方面提取任务大多数应用于在线消费者评论语料库.方面通常被分为两类:显式方面与隐式方面.显式方面是指 在评论中正向指明观点所对应的方面
方面的提取过程可看作是一个文本序列标注问题,因此可利用带监督的统计模型对序列标注过程进行训 练,从而提取方面

HMM CRF
主题模型中,以 pLSA(probabilistic latent semantic analysis)[30]和 LDA(latent Dirichlet allocation)[31]模型为主 的方法也被许多研究者应用于方面提取的任务中[32,33].
Apriori


挑战
1）语料库不够丰富和规范.
2）数据降噪、指代消解问题.
3）复杂句的方面级观点挖掘与理解问题.
未来
1）方面层次关系的自动获取.
2）复杂句观点内容挖掘的准确性.
3）方面级观点挖掘模型的领域普适性.