用户评论实体识别及情感分类

实体识别方法：

1.传统常见方法：CRF,HMM

2.深度学习方法：RNN下的LSTM

3.规则匹配：基于词典

1,2两种方法都是序列标注问题，

eg "宝马的座椅比帕萨特更舒服",标注"宝(B)马(E)"

     "宝马座椅比帕萨特更舒服",标注"宝(B)马(M)座(M)椅(E)"

情感分类：

1.常见分类器，如SVM，LR，MaxEnt，GBDT等

2.规则匹配：基于情感词典

结合实体识别的情感分类方法：

1.先做实体识别，然后针对实体进行情感分类

1).需要确定实体是否存在，并确定实体在评论中的位置，从而进行下一步的情感分类

eg. "宝马的座椅比帕萨特更舒服",提取出"宝马 座椅 pos","帕萨特 座椅 neg"

2.实体识别当做序列标注的问题，对于方面级别的标注是个挑战：

      1）标注任务量大，需要指定实体在句子中的位置

      2）细分到方面的实体不好标注,"宝马座椅比帕萨特更舒服",标注"宝(B)马(M)......座(M)椅(E)"

2.在标准数据集的基础上进行情感分类（一步到位）：

eg.利用标准数据集训练69个关于方面的分类器（多分类），分类的方面包括：正面，负面，中性，无提及

即当一条文本被分类到无提及这一类时候，则认定该方面没有出现。

特点：1）理论上行之有效

           2）需要大量的数据集防止样本倾斜

           3）大量数据结合大量分类器，训练时间太长

3.利用规则匹配

4.利用规则匹配结合语义分析

5.利用规则匹配结合模型自动分类