随着网络从信息单向的提供者转向为多元化的平台,越来越多的用户从单纯的网络信息的阅读者转变为网络信息的创造者和参与者。用户通过各大购物网站等网络平台创造、分享和消费内容,创造了大量的观点评论,供其他用户认识未知事物,无形中影响着其他用户对该事物的认知。其中,比较是一种重要的观点表达方式。人们越来越多地借助网络参考他人的评论来帮助自己对感兴趣的物品进行比较,将比较结果作为做出各种决策的依据。在如今这个大数据时代,通过机器学习自动地对这些比较文本进行挖掘,能够帮助我们自动从海量数据中得到事物两者或更多事物间的比较数据,更快速地获取有价值的信息。本论文主要分析和研究比较句的特点,综合运用自然语言处理、机器学习技术,对比较句及其观点要素倾向性进行识别。本文在比较句识别的任务中,确定了使用~2统计量进行文本特征选择,TF-IDF进行文本特征向量化,SVM分类器实现对比较句的分类。在比较句的观点要素抽取中确定了使用条件随机场和语义角色标注相融合的研究方案,本文的研究内容包括以下几点:(1)对“词/词性”使用x~2统计量进行文本特征选择,并扩充了一些比较特征词。(2)基于机器学习的方法SVM对比较句进行识别。(3)使用序列标注和条件随机场(CRF)对比较句观点要素进行识别。(4)使用语义角色标注对比较句观点要素进行识别。(5)建立基础情感词典、领域属性情感词典和否定词词典,为比较句的情感倾向性的判断提供依据。本文对COAE 2012和COAE 2013提供的比较句训练语料和测试语料采用各种分类模型的实验。在比较句识别的任务中,结合比较句的特点,采用了~2统计量来选择文本特征,应用SVM实现分类的方法,在电子领域对比较句的识别取得了召回率0.843,准确率0.999和F1值0.914的良好性能,对非比较句的识别取得了召回率0.999,准确率0.864和F1值0.927的良好性能,对比较句和非比较句的识别效果均超过了各被评测单位;在汽车领域对比较句的识别和非比较句识别结果中召回率和F1值也均超过了各被评测单位。在创新地加入了额外的比较特征词后,更是将电子领域比较句识别的召回率提高到了0.972,F1值提高到了0.967;汽车领域比较句识别的召回率提高到了0.941,F1值提高到了0.946。整体的宏平均和微平均在召回率上比各被评测单位的最好性能高出了0.15个点,F1值高出了0.07个点,充分说明了本方法的有效性。在比较句的观点要素识别任务中,采用了条件随机场和语义角色标注相融合的方法进行比较句观点要素的抽取,借助自定义的情感词典进行情感的判别,结果表明采用条件随机场对观点要素进行抽取比较实体时在电子和汽车领域准确率均取得了0.6以上的好性能,高于各被评测单位;在尝试合并了CRF两套不同模板抽取的结果集后发现召回率得到了进一步地提高;继续创新地融入了语义角色标注的结果集后,进一步提高了比较实体识别的召回率和比较属性识别的召回率;在最终的观点要素情感倾向性评测结果中,虽然召回率和F1值离最好性能还有少许距离,但在准确率上取得了较好性能,证明了本文方法的可行性。