中文产品评论意见挖掘研究
文 硕 士 学 位 论 文
中文 产品评论的意见挖掘研究
Research on Opinion Mining of
Product Reviews in Chinese
作者:严孙荣
导师:瞿有利
北京交通大学
2010 年 5 月
学位论文版权使用授权书 本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索,提供阅览服务,并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。
(保密的学位论文在解密后适用本授权说明)
学位论文作者签名:
导师签名:
签字日期:
年
月
日
签字日期:
年
月
日
中图分类号:
UDC:620 学校代码:10004 密级:公开
北京交通大学 文 硕 士 学 位 论 文
中文产品评论的意见挖掘研究
Research on Opinion mining of Product Reviews in Chinese
作者姓名:严孙荣
学
号:08120510
导师姓名:瞿有利
职
称:副教授
学位类别:工学
学位级别:硕士
学科专业:计算机科学与技术
研究方向:自然语言处理
北京交通大学
2010 年 5 月
致谢 本论文的工作是在我的导师瞿有利副教授的悉心指导下完成的,瞿有利副教授严谨的治学态度和科学的工作方法给了我极大的帮助和影响。在此衷心感谢两年来瞿有利老师对我的关心和指导。
尹传环老师悉心指导我们完成了实验室的科研工作,在学习上和生活上都给予了我很大的关心和帮助,在此向尹传环老师表示衷心的谢意。
王志海和田盛丰教授对于我的科研工作和论文都提出了许多的宝贵意见,在此表示衷心的感谢。
在实验室工作及撰写论文期间,张美珍、张彦博和张尚超等同学对我论文中的意见挖掘研究工作给予了热情帮助,在此向他们表达我的感激之情。
另外也感谢女朋友符蓉,他们的理解和支持使我能够在学校专心完成我的学业。严孙荣 2010 年 5 月 于北京
摘要 随着电子商务的迅猛发展,用户购买和使用产品之后会在 Web 上发表对产品的评论,产品评论的自动挖掘对于商家和潜在的消费者有着重要意义。本文以中文产品评论为主要研究对象,从评论的整体褒贬分类和细颗粒的产品意见挖掘两个层面进行分析研究,论文主要内容如下:
采用机器学习的方法对产品评论进行整体褒贬分类研究。构建用于产品评论褒贬分类的语料库;采用基于 N-Gram 文本特征抽取(分为基于词的 unigram,bigram 和基于字的 unigram,bigram,trigram),结合不同的特征权重计算方法(TF,BOOL,TFIDF),在不同的分类算法(朴素贝叶斯、最大熵和支持向量机)进行分类实验。实验表明使用基于字的 bigram 特征表示并结合基于词频的加权方法在支持向量机分类器下取得了最好的分类性能,准确率为%。在特征抽取上,采用基于后缀树结构的特征提取算法,提取关键子串组作为文本特征。实验表明基于后缀树的关键子串组的特征表现能力强而且特征维度低,分类的准确率略高于基于N-Gram 文本特征表示的分类效果。
设计并实现了基于依存句法分析的细颗粒意见挖掘算法和基于关键字匹配的细颗粒意见挖掘算法,并构建产品特征库和中文极性词典。实验表明关键字匹配方法好于基于依存句法分析方法。
最后,设计并实现了一个产品评论意见挖掘系统,该系统可以自动抓取指定的评论页面并抽取评论内容,可从整体和细颗粒两个层面对产品评论进行意见分析,并将意见分析结果存入产品意见库中,提供可视化的统计展现。
关键词:产品评论;情感分类;意见挖掘;自然语言处理 分类号:
ABSTRACT Nowadays, the electronic commerce plays a more and more important role in our daily life. Consumers always express opinions on the product via the Web after using the product. The automatic mining on these comments is important for the potential consumers and enterprises. We focus on Chinese product reviews. We analyzed the comments on two levels including document-level sentiment classification and feature-based product opinion mining. The main contents are as follows: We employ machine learning algorithm to perform the document-level sentiment classification of the product reviews. We collect corpus from online reviews; investigate the N-Gram based feature representation including Word-Based Uigram, Bigram and Chinese Character-Based Unigram, Bigram, trigram; analysis different feature weighting approaches(TF, BOOL, TFIDF), compare different classification algorithms (Naive Bayes, Maximum Entropy and Support Vector Machine). The SVM using Chinese Character Bigram-based feature extraction method and word frequency based text representation has the best performance, of which the accuracy was %. We researched suffix tree based structure algorithm extracting the Key Substring Group features. Experiments show that the Key Substring Group features have better description of the comments sentiment classification, lower dimension, and better accuracy than other text features represented in SVM. We investigated dependency parsing based algorithm and keyword matching based algorithm for feature-based opinion mining. We construct a product features library and a Chinese polarity Dictionary. Experiments show that the keyword based method is better than the dependency parsing based method. We designed and implemented a product review opinion mining system. The system can automatically crawl and extract specified comments on review pages, then analysis the reviews, save the result into the products opinion library. Users can get visualized result which will be helpful for decision making.
KEYWORDS :Product Review; Sentiment Classification; Opinion Minng; Natural Language Processing CLASSNO:
:
目录 摘要 ............................................................................................................... 错误! 未定义书签。
ABSTRACT .................................................................................................. 错误! 未定义书签。
1 绪论 ........................................................................................................ 错误! 未定义书签。
研究背景 .................................................................................... 错误! 未定义书签。
选题意义 .................................................................................... 错误! 未定义书签。
研究现状 .................................................................................... 错误! 未定义书签。
文本情感分类研究现状 ................................................ 错误! 未定义书签。
词的极性分类研究现状 ................................................ 错误! 未定义书签。
产品特征抽取研究现状 ................................................ 错误! 未定义书签。
产品评论挖掘系统构建研究现状 ................................ 错误! 未定义书签。
论文主要工作 ............................................................................ 错误! 未定义书签。
论文组织结构 ............................................................................ 错误! 未定义书签。
2 文本分类相关基础理论 ........................................................................ 错误! 未定义书签。
文本表示 .................................................................................... 错误! 未定义书签。
特征权重计算 ............................................................................ 错误! 未定义书签。
文本分类算法 ............................................................................ 错误! 未定义书签。
朴素贝叶斯 .................................................................... 错误! 未定义书签。
最大熵 ............................................................................ 错误! 未定义书签。
支持向量机 .................................................................... 错误! 未定义书签。
文本分类性能评价 .................................................................... 错误! 未定义书签。
查全率、查准率和 F-测度值 ....................................... 错误! 未定义书签。
宏平均和微平均 ............................................................ 错误! 未定义书签。
本章小结 .................................................................................... 错误! 未定义书签。
3 产品评论整体褒贬分类研究 ................................................................ 错误! 未定义书签。
整体设计 .................................................................................... 错误! 未定义书签。
产品评论褒贬分类实验 ............................................................ 错误! 未定义书签。
文本预处理 .................................................................... 错误! 未定义书签。
特征向量抽取及权重计算 ............................................ 错误! 未定义书签。
特征选择 ........................................................................ 错误! 未定义书签。
分类算法选择 ................................................................ 错误! 未定义书签。
产品评论语料库的构建 ............................................................ 错误! 未定义书签。
基于 N-Gram 的特征提取分类实验结果 ................................. 错误! 未定义书签。
基于词的 unigram 和 bigram ........................................ 错误! 未定义书签。
基于字的 unigram,bigram 和 trigram ......................... 错误! 未定义书签。
实验结论 ........................................................................ 错误! 未定义书签。
基于 Suffix Tree 特征抽取的褒贬义分类 ................................ 错误! 未定义书签。
Suffix Tree 介绍 .............................................................. 错误! 未定义书签。
关键子串组的特征提取和算法实现 ............................ 错误! 未定义书签。
基于 Suffix Tree 的特征提取分类实验结果 ................ 错误! 未定义书签。
实验结论 ........................................................................ 错误! 未定义书签。
本章小结 .................................................................................... 错误! 未定义书签。
4 产品评论细颗粒意见挖掘研究 ............................................................ 错误! 未定义书签。
研究目标 .................................................................................... 错误! 未定义书签。
整体设计 .................................................................................... 错误! 未定义书签。
产品特征库的构建 .................................................................... 错误! 未定义书签。
从产品规格说明书提取特征 ........................................ 错误! 未定义书签。
从产品评论中提取特征 ................................................ 错误! 未定义书签。
中文极性词典构建 .................................................................... 错误!未 未 定义书签。
极性词典构建 ................................................................ 错误! 未定义书签。
极性修饰词典构建 ........................................................ 错误! 未定义书签。
产品特征相关极性词典构建 ........................................ 错误! 未定义书签。
中文产品评论语言特点分析 .................................................... 错误! 未定义书签。
中文句子分析 ................................................................ 错误! 未定义书签。
产品评论特点分析 ........................................................ 错误! 未定义书签。
基于依存句法的意见挖掘 ........................................................ 错误! 未定义书签。
句法分析器 .................................................................... 错误! 未定义书签。
SBV 极性传递算法 ........................................................ 错误! 未定义书签。
基于关键字匹配的意见挖掘 .................................................... 错误! 未定义书签。
意见挖掘实验 ............................................................................ 错误! 未定义书签。
测试语料 ........................................................................ 错误! 未定义书签。
实验结果和分析 ............................................................ 错误! 未定义书签。
本章小结 .................................................................................... 错误! 未定义书签。
5 产品评论意见挖掘系统设计与实现 .................................................... 错误! 未定义书签。
系统整体设计 ............................................................................ 错误! 未定义书签。
系统开发环境 ............................................................................ 错误! 未定义书签。
可视化界面生成 ........................................................................ 错误! 未定义书签。
产品特征库和极性词典的管理 ................................................ 错误! 未定义书签。
产品特征库维护 ............................................................ 错误! 未定义书签。
极性词库维护 ................................................................ 错误! 未定义书签。
评论页面下载与内容提取 ........................................................ 错误! 未定义书签。
评论的页面下载 ............................................................ 错误! 未定义书签。
评论内容抽取 ................................................................ 错误! 未定义书签。
评论意见挖掘 ............................................................................ 错误! 未定义书签。
整体褒贬分类 ................................................................ 错误! 未定义书签。
细颗粒评论分析 ............................................................ 错误! 未定义书签。
评论意见查询 ............................................................................ 错误! 未定义书签。
。
产品意见查询 ................................................................ 错误! 未定义书签。
产品意见比较查询 ........................................................ 错误! 未定义书签。
文本评论分析查询 ........................................................ 错误! 未定义书签。
本章小结 .................................................................................... 错误! 未定义书签。
6 总结 ........................................................................................................ 错误! 未定义书签。
研究工作总结 ............................................................................ 错误! 未定义书签。
进一步工作 ................................................................................ 错误! 未定义书签。
参考文献 ....................................................................................................... 错误! 未定义书签。
作者简历 ....................................................................................................... 错误! 未定义书签。
独创性声明 ................................................................................................... 错误! 未定义书签。
学位论文数据集 ........................................................................................... 错误! 未定义书签。
1 绪论 1.1 研究背景 随着生活水平的不断提高,商品经济的不断繁荣,面对琳琅满目的各种商品,要挑选出自己真正需要的商品并不容易。为了满足不同消费者的需求,生产厂商往往会根据不同类别的使用者生产出不同类型的产品。然而,消费者一不小心便会买到并不适合自己的产品。即便是口碑好的厂家,也会有设计不良的产品,而那些不良产品往往在使用一段时间后才会发现问题,而此时消费者已经后悔莫及。随着 Internet 的发展和普及,Web 已经成为了消费者反馈观点的主要途径。它不仅为商家提供了一个信息的展示平台以发布新产品的规格数据,也为消费者提供了一个产品使用体验交流以及质量评价的平台。产品使用者可以通过商家的网站,网络论坛,以及 Blog 发表对于产品的看法。因此很多网民在购买某类产品前,往往会选择先上网浏览一些相关产品的信息,了解其他消费者的使用体验,深入比较产品之间的性能,从而使自己的消费更趋理性化。
面对网上海量的良莠不齐的信息和数据,生产厂商和用户要想从产品评论中获取信息,只有通过人工阅读的方式来获取,而这是一个需要耗费大量的时间与精力且容易产生错误的过程。因此,我们迫切需要能有一种有效的手段对各种大量数据进行整理,提供一目了然的数据统计结果的展示。数据挖掘(Data Mining)技术正是在这样的应用需求环境下产生并迅速发展起来的。它是从大量的、不完全的、有噪声的、模糊的、随机的原始数据中,提取隐含在其中的、先前未知的、但又是潜在有用的信息和知识的过程错误 ! 未找到引用源。。对用户评论挖掘的研究,目的就在于对网上大量的评论信息进行挖掘,通过采用自然语言处理技术,对自然语言描述的无结构的用户产品评论中进行自动挖掘,找到有用的信息,并以直观的方式对挖掘结果进行表示。
对网络上的产品评论进行挖掘主要是使用现有的文本挖掘技术,文本挖掘(TextMining)是数据挖掘的一个研究分支,用于基于文本信息的知识发现错误 ! 未找到引用源。。数据挖掘是揭示存储在数据库中的结构化数据的数值属性之间的关系,而文本挖掘则是分析和发现大量非结构化文本中的关系,研究的关键在于文本内容的量化表征。文本挖掘利用智能算法,结合文字处理技术,如文本切分、词性标注、句法分析、浅层语义分析等,对大量的非结构化文本(如文档、电子表格、客户电子邮件、问题查询、网页等)进行分析,抽取文本特征,将文本数据转化为能描述文本内容的结构化或半结构化数据。然后利用聚类、分类技术和关联分析等数据挖掘技术,形成具有一定结构文本,并根据该结构发现新的概念和相应的关系,获取有用的知识和信息错误 ! 未找到引用源。。
随着各种产品信息纷纷发布在网页上,消费者可以更加便捷地获取各种产品的信息。同时产品使用者也纷纷发表使用评论,这样就又便于其他消费者能够获得最直接的产品评价。产品评论信息作为文本内容的一种,也在网络上大量的出现。与普通文本不同的是,这些评论内容是产品使用者把自己的使用体验写出来提供给其他用户看的,是以用户为中心的信息展示。
1.2 选题意义 互联网的发展与普及已经深刻地改变了人们的生活和思维方式,极大地推动了全球信息化进程。网络已经成为当今人们获取知识、发布信息、交流沟通的主要工具。然而从纷繁复杂的网络世界中准确而快速地获取所需的信息也并非易事,信息检索,信息过滤,文本挖掘等信息处理技术成为解决该矛盾的主要方法。
对产品评论进行挖掘的意义主要体现为二个方面:
一、帮助用户购买适合自己的产品。评论挖掘能够收集不同网站上大量用户所表达的使用体验,通过产品评论,产品使用者可以把自己的使用情况表达出来,目的在于为其他消费者在购买相关产品时提供一个参考意见,从而选择到称心如意的商品。对产品评论进行挖掘可以把不同网站上、不同时间、不同用户的评价信息统计起来,全面展示产品的使用情况,帮助潜在用户挑选出适合自己的产品。
二、帮助厂家生产符合社会需求的产品。因为评论挖掘能够揭示出产品质量的内在信息,因此对产品评论进行挖掘就能展示出产品的质量信息。对生产厂家来说,生产出真正适合用户需求的产品才是最重要的。通过浏览产品评论挖掘的结果,他们可以找出现有产品的不足,同时借鉴其他厂家的优良产品,不断改进自身产品的功能和性能。因此,产品评论的挖掘能促使厂家提升其社会竞争力,生产出功能更多、性能更好、适合不同用户群的产品。
因此,对产品评论进行挖掘,目的在于帮助消费者在海量信息源中迅速找到真正需要的信息,用简单和直接的手段将评论挖掘结果展现给商家和消费者,有着广泛的应用价值和研究价值。
1.3 研究现状 1.3.1 文本情感分类研究现状
文本的情感分类,近年来受了广泛的关注,其目的是判断给定文本片段所体现的说话者的情感倾向,判断内容中的文字表述是主观性的评论还是客观性的介绍,是正面肯定评价还是反面否定批判。
Pang 和 Lee错误 ! 未找到引用源。
错误 ! 未找到引用源。
等人最早在文本的主客观分类和极性分类方面做了一系列的研究工作。使用基于图的 minimum-cut 方法,利用上下文信息提高极性分类的精度。实验中使用了 700 个正面和 700 个负面评论,采用朴素贝叶斯、最大熵、支持向量机分类器,通过 3 重交叉验证对分类器进行对比评估。实验中他们分别使用了 unigram(分别用词条频率和布尔值作为特征权重)、bigram、unigram+bigram、unigram+POS、top unigram(前 2633 个)、unigram+position 作为他们的语言特征,实验结果中,归纳出一些值得注意的结果:(1)在使用布尔的 unigram 特征时得到最好的结果,而不是词频 unigram。而在主题分类中词频通常是最有效的特征加权方法之一。(2)使用 bigam+unigam 特征比仅使用 unigram 特征性能要差。这与通常的自然语言现象相悖。在自然语言中,有非常多的由两个或多个单词构成的短语、复合词、句式结构等语言元素一起出现时才会表达了非常显着的情感倾向,而构成它们的那些单词中多并没有显着倾向性。例如,“how should”是一个很强的语气句式结构,而“how”、“should”单独使用时则一般作为中性词。
Goldberg 和 Zhu错误 ! 未找到引用源。
针对电影评论的等级推理问题,提出了基于图的半监督算法,比以往采用多分类模型的方法,在性能上有较大提高。Ni错误 ! 未找到引用源。
将情感分类视为二分类问题,使用了 NaiveBayes、SVM 和 Rocchio’s 算法,并采用了 CHI 方和信息增益(Information Gain)进行特征选择,SVM 分类器的性能达到最好,准确率、召回率和 F1 都达到了 92%左右。Whitelaw 等人错误 ! 未找到引用源。
提取含有形容词的词组及其修饰语作为特征,使用向量空间模型表示文档,并采用 SVM 进行分类,来区分带有正面和负面评论的文档。Bruce 和 Wiebe 等错误 ! 未找到引用源。
错误 ! 未找到引用源。
利用贝叶斯分类器对句子的主客观性进行分类。
汉语文本的情感分类方面,徐军等人错误 ! 未找到引用源。
使用朴素贝叶斯和最大熵模型,对中文网页中的新闻进行情感自动分类,采用布尔和词频特征权重,实验结论表明,布尔权重性能不比词频特征权重差,同时发现最大熵的分类方法要明显优于朴素贝叶斯方法。唐慧丰等人错误 !未找到引用源。
则对部分基于监督学习的中文情感分类技术做了比较研究,在文本特征方面,采用N-Gram 以及名词、动词、形容词、副词作为不同的文本表示特征;以互信息、信息增益、CHI统计量和文档频率作为不同的特征选择方法;以中心向量法、KNN、NaiveBayes 和 SVM 作为不同的文本分类方法;并在不同的特征数量和不同规模的训练集情况下,分别进行了中文情感分类实验。他们的实验结果表明:采用 bigram 特征表示方法、信息增益特征选择方法和 SVM分类方法,在足够大训练集和选择适当数量特征的情况下,能取得较好的效果情感分类。Li Jun错误 ! 未找到引用源。
采用一元、二元和三元词语作为特征,对 SVM、ME、NaiveBayes、ANN 四种分类方法用于文本情感分类的效果进行了比较研究。
1.3.2 词的极性分类研究现状 词的极性分类的研究主要是集中在找到带有情感倾向的词,并且判断它的情感极性。主要分为自动发现和手工定义两种方法,其中自动发现方法又可以分为两大类:
(1)基于词典的极性词自动发现,Hu 和 Liu错误 ! 未找到引用源。
提出利用词典的词汇关系来判断形容词的极性,在 WordNet 中形容词是以两极的群体呈现的,具有相反意义的形容词以两极的方式连结,而在这两个形容词后面分别又会将具有相似意义的形容词与带头的同义词连结,形成一个具有相反意义的形容词集合。利用 WordNet 词典的特点,设计自动地完成极性词分类的算法。这个方法的缺点在于只能对形容词判断情感极性,对于 WordNet 中其它没有以两极方式呈现的词性则无法判断。也就是说利用 WordNet 只能作初步的处理错误 ! 未找到引用源。,使用WordNet 生成极性词也会包含大量情感极性区分度不强的词语,还需要人工进行筛选,另外如果种子集中的形容词数目不够,那么仅仅依靠同义词的方法就会导致许多极性词不能被发现。同时有一些形容词的情感极性是随着上下文情况不同而确定的,如:“电池很小很薄”以及“手机屏幕太小”。前者中“小”表达了正面的情感,后者的“小”则表达了负面的情感。因此在观点的褒贬判定上还需要加入其它的上下文因素来辅助。
(2)基于语料的极性词自动发现。Turney错误 ! 未找到 引用源。
错误 ! 未找到引用源。
假设经常一起出现的词语具有相同的情感极性方向。也即正面观点与正面观点往往会一起出现,而负面观点也会靠近负面观点,采用互信息和信息检索 PMI-IR 相结合的方法判定词汇的极性,该方法首先建立7 个单词构成的正极词汇种子集 PWords(good, nice, excellent, positive, fortunate, correct, superior)和 7 个单词构成的负极词汇种子集 NWords(bad, nasty, poor, negative, unfortunate, wrong, inferior),对需要进行极性判断的词汇 UWord,分别计算 UWord 与 PWords 和 NWords中的每个极性词汇的互信息,见公式(1-1):
(1-1) 其中 p(word1&word2)表示使用搜索引擎对出现 word1 和 word2 所构成的二元词对在 Web检索中出现的网页数目,p(word1)和 p(word2)分别表示使用搜索引擎在 Web 检索出现 word1和word2 的网页数目分别将计算得到的UWord与PWord每个极性词汇的互信息相加和UWord与 NWords 每个极性词汇的互信息相加,并计算两者的差,结果为正则表示 UWord 更靠近正性词汇,为负则表示 UWord 更靠近负性词汇,从而计算出词的极性方向。Turney 使用 PMI计算未知观点词与正面观点和负面观点作为判断未知观点词与正面以及负面的观点出现关系的依据。若是未知观点词与“excellent”出现的次数多于未知观点词与“poor”出现的次数,则将未知 opinion word 归类为正面。用来判断未知观点词(op)的方法是将未知观点词与正面观点计算得到的 PMI 值减去将未知观点词与负面观点计算得到的 PMI,公式如下:
2 12 & 1log 2 , 12word p word pword word pword word PMI
(1-2) 计算完毕后,若 SO(op)>0,则表示 op 是正面的观点;若 SO(op)<0 则表示 op 是负面的观点。Camon 和 Aue错误 ! 未找到引用源。
对这一技术作了进一步的扩展,增加了一个假设,在同一个句子中,极性相反的词语趋向于不同时出现。Hatzuvassiloglou错误 ! 未找到引用源。
利用形容词之间的连词存在语言学上的限制,也称为连词假设,将语料库中的形容词聚类为正性词汇和负性词汇,结果表明对形容词的极性判定具有较好的效果。不过该文只对形容词进行了语义方向的判定,也可以采用相同的方法来确定动词和副词的极性。
人工定义的方法通过人工的分析来建立极性词汇表,这样只要直接查询极性词汇表即可获取词汇或短语的情感极性。娄德成和姚天昉错误 ! 未找到引用源。
分别对 HowNet 中的 6564 个词条和从 2454 篇汽车评论中人工选择得到的极性词汇以人工标注的方式建立中文极性词汇表,而对于在词汇表中没有的词,同样通过 SO-PMI 来计算出与不同极性词之间的互信息,再通过差值确实词的极性。Hatzivassiloglou 和 Wiebe错误 ! 未找到引用源。
对语义方向及程度词汇(副词和名词)对语义方向的影响进行分析,并手工建立了一个由 73 个单词构成的词汇表。
Wang错误 ! 未找到引用源。
等发现产品评论一般包含两个部分的内容:评论的标题和评论的具体内容。由于标题往往会表示了整个评论的态度,因此可以将标题中的用户态度作为具体内容的极性标注,建立朴素贝叶斯分类器,计算评论具体内容中词汇的情感极性。很多网站允许用户在网站提供的表情图标中选择一个来表示自己的态度:支持/反对,Yang错误 ! 未找到引用源。
等将博客上的回复信息的表情图标作为回复语句的极性标注,并通过计算语句中的词汇与表情图像之间的互信息来建立极性词汇表。
1.3.3 产品特征抽取研究现状 产品评论挖掘的一个主要任务是需要了解用户对产品的哪些功能、部件和性能进行了评价,因此需要从产品评论中提取出用户评价的对象——产品特征。用户在产品评论中对特征的描述,可能是厂家根本没有考虑到的一些特征,因此挖掘出产品评论中所提及的特征,了解用户对这类产品最关心的功能和性能是具有重要意义的。
产品特征的提取分为人工定义和自动提取两类。在人工定义方面,Kobayashi、Inui 和Matsumoto错误 ! 未找到引用源。
以人工定义方式构建了针对汽车的产品特征,共有 287 个产品特征,每一个特征使用一个三元组进行表示(<Attribute,Subject,Value>),其中 Subject 表示产品,Attribute 表示产品的特征,Value 表示对这个特征的观点;姚天昉错误 ! 未找到引用源。
错误 ! 未找到引用源。
利用本体建立了汽车的产品特征,该系统可在电子公告板、门户网站的各大论坛上挖掘并且概括意见持有者对各种汽车品牌的不同性能指标的评论和意见,并且判断这些意见的褒贬性以及强度;Li Zhuang错误 ! 未找到引用源。
针对电影评论人工定义了电影的产品特征,将电影的产品特征分 poor op PMI excellent op PMI op SO , ,
为两类:电影的元素(screen play, vision effect)与和电影相关的人员(director, screenwriter, actor)。
自动提取产品特征的方法,需要使用词性标注、句法分析和文本模式等自然语言处理技术对产品评论中的语句进行分析。自动发现产品特征,由于不需要大量的标注语料库作为训练集,因此具有较好的通用性,并且可以适用于各种产品,可以比较容易地移植到不同产品上,但它最大的缺点就是准确率比较低。Hu 和 Liu [7] 先对评论语料进行词性标注,然后把每个句子中的名词和名词短语提取出来,利用关联规则挖掘方法从评论语料中取出满足最小支持度的名词或名词短语生成 transaction file。再使用 CBA(Classification Based on Associations)错误 ! 未找到引用源。
从 transaction file 中挖掘出频繁项,把频繁项作为产品特征候选集,由于关联规则产生的频繁项不是全都是有用的或真正的特征词,需要进行进一步的筛选,首先去掉了三个词以上的名词短语,然后对候选特征集中的候选特征进行修剪,通过“紧凑修剪”和“冗余词修剪”移除那些很大可能不是产品特征词的名词短语。
Popescu错误 ! 未找到引用源。
把评论挖掘分成四个主要子任务:(1)识别产品特征;(2)识别产品特征对应的观点词;(3)判断观点词的极性;(4)根据观点的强度排序。他们在 KnowItAll错误 ! 未找到引用源。
网络信息抽取系统基础之上建立了一个无监督的信息挖掘系统 OPINE。在产品特征识别方面,Popescu 建立的 OPINE 系统将产品特征分成显式特征和隐式特征,其中显式特征又分为五类,分别为“properties、parts、features of productparts、related concepts、parts and properties of related concepts”。用 OPINE 来挖掘产品特征的准确率比 Hu
错误 ! 未找到引用源。
挖掘结果高出了近 22%,而召回率仅下降了 3%。
1.3.4 产品评论挖掘系统构建研究现状 意见挖掘技术作为一种新颖的语言技术不仅可以运用于自然语言处理系统中,还可以应用于现实生活中,目前已经存在了一些意见挖掘系统。例如:Dave 等人研究并开发的ReviewSeer错误 ! 未找到引用源。
是世界上第一个情感分析工具和第一个针对给定产品评论区别其褒贬性的系统。Gamon 等人研究并开发的 Pulse错误 ! 未找到引用源。
系统可以自动挖掘网上用户所上载的自由文本中有关汽车评价中的贬褒信息和强弱程度, 它所进行的陈述定界是简单的粗分法,认为整个句子即是一个陈述。Pulse 在主题抽取上提到了层次主题的概念,在意见分析上,主要使用的是机器学习的方法,同时它没有涉及意见持有者识别的问题。Liu错误 ! 未找到引用源。
等人研究并开发的 Opinion Observer 系统可以处理网上在线顾客产品评价,对涉及产品各种特征的优缺点进行统计,并采用可视化方式对若干种产品特征的综合质量进行比较。Yi 和 Niblack错误 ! 未找到引用源。
研究并开发了 WebFountain 系统中的意见挖掘器。WebFountain 系统是 IBM 研发中心开发的一个基于多类型数据、开放领域意见挖掘的研究和开发平台,是一种采用 NLP 技术构建知识库解决极性识别问题的系统,此系统在主题识别方面达到了较细的颗粒度。Wilson 等人研
究并开发的 OpinionFinder错误 ! 未找到引用源。
是一个自动识别主观性句子以及句子中各种与主观性有关的成分(例如,意见源、直接的主观性表达、说话事件 Speech Event、情感等)的系统。
由于中文和英文的存在较大的差异,所以不能直接套用英文在评论挖掘方面的研究成果,中文评论挖掘才刚刚起步。最初的代表是香港城市大学 Tsou错误 ! 未找到引用源。
等人在 WebFountain系统研究的基础上对中国四地(北京、香港、上海、台北)报刊上有关四位政治人物(克里、布什、小泉纯一郎、陈水扁)褒贬性的新闻报告进行了分类研究。在研究中,他们首先通过标记语料库获得文本中的极性元素,然后主要采用了三个衡量指标,即极性元素的分布、极性元素的密度和极性元素的语义强度来对每个文本进行统计,得出文本褒贬分类和强度大小的结果。姚天昉等人开发了一个用于汉语汽车评论的意见挖掘系统错误 ! 未找到引用源。。该系统的目的是在 BBS、各大论坛上挖掘并概括用户对各种汽车品牌的不同性能指标的评论和意见,并且判断这些意见的褒贬性和强度。在意见挖掘系统的设计中,他们定义了一些基本的资源和处理算法的数据结构,如汽车本体、极性词词典、基本元素、语法关系树、匹配规则。随着电子商务的迅速发展,未来评论挖掘依然是数据挖掘和中文信息处理领域的热点研究领域错误 ! 未找到引用源。。
1.4 论文主要工作 本文以中文产品评论为主要研究对象,从评论的整体褒贬分类和细颗粒的产品意见挖掘两个层面进行分析研究。
(1)采用机器学习的方法对产品评论进行整体褒贬自动分类研究。构建用于产品评论褒贬分类的语料库;采用基于 N-Gram 文本特征抽取,使用不同的特征加权方法和不同的分类算法进行分类实验,分析比较各个因素对情感分类性能的影响。在文本特征抽取上,采用基于后缀树结构的特征提取算法,提取关键子串组作为文本特征,并用不同的特征加权方法和不同的分类算法进行分类实验。
(2)设计并实现了基于依存句法分析的细颗粒意见挖掘算法和关键字匹配的细颗粒意见挖掘算法,并构建产品特征库和中文极性词典。
(3)最后将前两部分的意见挖掘研究成果进行整合,设计并实现了一套产品评论意见挖掘系统。该系统可以自动抓取指定的评论页面并抽取评论内容,可从整体和细颗粒两个层面对产品评论进行意见挖掘,并将意见分析结果存入产品意见库中,提供可视化的统计展现。
1.5 论文组织结构 本文分为六章,文章结构及各章主要内容组织如下:
第一章介绍了课题的研究背景与意义,介绍了国内外研究现状和论文的主要工作,最后
给出了本文的整体组织结构。
第二章介绍了文本分类的相关知识,介绍了文本表示、文本特征权重计算、文本分类算法、文本分类性能评价等内容。
第三章论述了产品评论整体褒贬分类的研究与实验。包括褒贬分类的数据集的构建,采用基于 N-Gram 的特征提取方法和基于后缀树的特征提取方法进行分类实验。
第四章是产品评论细颗粒评论分析研究。主要内容包括产品特征库的构建,中文极性词词典的构建,详细介绍基于依存句法的意见分析算法和基于关键字匹配的意见挖掘算法。
第五章是产品评论分析系统的设计与实现,包括系统整体设计,系统开发环境和系统详细功能等。
第六章是总结了本文的研究工作,并对今后的研究做出了展望。
2 文本分类相关基础理论 2.1 文本表示 在大规模文本分类系统中,我们所处理的原始数据是非结构化的自然语言文本,我们首要的任务就是将它们从一个无结构的原始文本转化为计算机可识别处理的结构化信息,即对文本进行形式化处理,这个形式化的结果一般称为文本表示错误 ! 未找到引用源。。
文本表示问题包括两个方面:用于表征文档语义的特征和这些特征的组织方式。常用的文本特征包括词、短语、N-Gram 项,词性等。在实际应用中,到底选择哪种单位作为文本的特征必须要综合考虑,如处理速度、精度要求、存储空间等诸多因素。选择的单位越具有代表性,语言的层次越高,它所包含的信息也就越丰富,但同时进行分析所付出的代价也就越大。大量研究表明,用单个词与用复杂的表示(如短语、词性等)作为特征分类的效果差异不大。然而可以很容易地想到,用短语或词性等表示特征必然会导致计算更加复杂以及耗费更多的资源,因此大部分文本分类的研究都是将单个词作为特征。特征的组织方式亦即文本的表示模型,包括向量空间模型错误 ! 未找到引用源。(Vector Space Model,VSM)、布尔模型(Boolean Model)及概率模型(Probabilistic Model)等。向量空间模型是 Salton 等于上世纪 60 年代提出的,是现在应用最广泛的基于统计的模型,本文也将采用此模型。
向量空间模型的基本思想是用词袋(Bag Of Words,BOW)表示文本,每个词条作为特征空间坐标系的一维,将文本看作特征空间的一个向量,用两个向量之间的夹角来衡量两个文本之间的相似度。在向量空间模型中,每一个文档都被表示为一组规范化正交词条向量所张成的向量空间中的一个点。假设由 n 个特征项词条组成的集合为 } ,... , {2 1 nt t t V ,则文档id形式化为 n 维空间的一个向量:
} ,... , {2 1 in i i iw w w d ,ikw 表示id 的第 k 个特征项词条kt 的权重(其中 k=1,2,…n)。向量的每一维的值表示了特征项在文档中的权重,用以刻画该特征项在描述此文档内容时所起作用的重要程度,权值越大,表示该特征项在文档中的分量越重,即该特征项越能反映id 的内容。
2.2 特征权重计算 特征权重用于衡量某个特征项在文档表示中的重要程度或者区分能力的强弱。权重计算的方法是利用文本的统计信息,主要是词频,给特征项赋予一定的权重。目前特征项权重的计算通常有布尔权重、绝对词频及 TFIDF 函数等多种方法。
1.布尔权重
布尔权重是最简单的一种加权方法,直观的表示特征词项kt 是否在文本id 中出现,如果特征词出现次数为 0,则其权重为 0;如果出现次数大于 0,则其权重为 1 即
(2-1)
2.绝对词频权重 布尔权重模式中,仅以 0-1 值标记特征词项,忽略了词项之间的重要性区别;而绝对词频权重则直接以特征词项kt 在文本id 中出现的次数作为文本特征的权重,词项出现次数越多,其重要性越强,即:
(2-2)
3.TFIDF 权重 TFIDF错误 ! 未找到引用源。
是目前广泛采用的权重计算方法,是由 Salton 在 1988 年提出的,它的指导思想是:在一个文本中出现次数很多的单词,在另一个同类文本中出现次数也会很多,反之亦然。该方法是根据特征词的重要性与特征词的文档内频数成正比,与训练文档中出现该词条的文档频数成反比的原理构造的。常用频率因子和文档集因子的乘积表示:
(2-3) 其中ikw 定义同上,频率因子iktf 表示特征项kt 在文档id 中出现的频率;文档集因子kidf是该特征项在文档集合中分量情况的量化。经典的 TFIDF 方法考虑两个因素:(1) 词语频率TF(Term Frequency):词语在文档中出现的次数;(2) 词语倒排文档频率 IDF(Inverse Document Frequency):该词语在文档集合中...
- 范文大全
- 职场知识
- 精美散文
- 名著
- 讲坛
- 诗歌
- 礼仪知识
-
超星尔雅学习通《对话大国工匠致敬劳动模范》题库附答案
超星尔雅学习通《对话大国工匠致敬劳动模范》题库附答案 1、历史只会眷顾坚定者、奋进者、搏击者,而不会
【入党申请书】 日期:2021-05-12
-
大学生学习2024年两会精神心得感悟
大学生学习2024年两会精神心得感悟过去一年,是全面贯彻二十大精神的开局之年,中国共产党带领全国各族人民,付出艰辛努力,换来重大成
【心得体会】 日期:2024-03-07
-
对于政治生态考核整改工作方案
本文系作者原创投稿,仅供学习参考,请勿照搬照抄! 关于政治生态考核整改工作的方案 为做好推进风清气正
【经济工作】 日期:2020-06-05
-
中国传统故事英文版 中国古代故事英文版
历史学科蕴含着许多丰富的、生动的、有趣的素材,每一个历史事件、历史人物都有相关的、动人的历史小故事,都能给人以启迪。你对中国古代的故事了解多少呢?下面是小编为您...
【调查报告】 日期:2019-05-22
-
地藏经诵读仪规(完整版)
地藏经诵读仪规(完整版) 恭请文: 恭请大慈大悲大愿地藏王菩萨、护法诸天菩萨慈悲加持护念弟子***能
【个人简历】 日期:2021-03-31
-
基尔霍夫定律验证实验报告
基尔霍夫定律的验证的实验报告本文关键词:基尔,定律,霍夫,验证,实验基尔霍夫定律的验证的实验报告本文
【思想宣传】 日期:2021-03-08
-
打好科技自立自强的主动仗论文5篇合集
打好科技自立自强的主动仗论文5篇合集 在实现中华民族伟大复兴路上,团结协作是获得最终成功的力量源泉。下面是蒲公英阅读网小编给
【模板范例】 日期:2022-08-05
-
摩斯密码对照表
摩斯密码对照表 ·摩斯密码,顾名思义就是附有长音以及短音的组合而成的「双音信号」。就算
【调研报告】 日期:2020-09-22
-
青年学生学习全国人大十四届二次会议心得感想16篇
青年学生学习全国人大十四届二次会议心得感想16篇报告中提到政府在经济调控、消费政策、基础设施和制造业投资、房地产调控以及地方债务
【心得体会】 日期:2024-03-07
-
2022读懂中国五老事迹征文5篇
2022读懂中国五老事迹征文5篇 放军经过两天的拼搏,到了马垅都筋疲力尽,马垅村的村民纷纷拿出自家的伙食到榕树下给解放军们食用,
【征文演讲】 日期:2022-07-07
-
执行信息公开网
执行信息公开网 执行信息公开网 执行信息公开网: zhi*ing (点击下图可直接进行访问) 全国
【职场知识】 日期:2020-07-03
-
有机磷酸酯类中毒及其解救(实验报告范文)
有机磷酸酯类中毒及其解救XXX、XXX一、实验目的1 观察有机磷酸酯类农药敌百虫中毒时的症状。 2
【职场知识】 日期:2020-08-30
-
年国家开放大学电大电子商务单选题题库
单选: 1、EDI是指A、电子商务B、电子数据交换C、电子交易 D、移动数据交换 答案: B 2、电
【职场知识】 日期:2020-06-05
-
大学教师毕业设计指导记录4篇
大学教师毕业设计指导记录4篇 毕业设计是指工、农、林科高等学校和中等专业学校学生毕业前夕总结性的独立作业。是实践性教学最后一
【职场知识】 日期:2022-05-11
-
“从青风公司审计案例看销售与收款循环审计”案例说明书
“从青风公司审计案例看销售与收款循环审计”案例说明书一、本案例要解决的关键问
【职场知识】 日期:2020-09-28
-
机械加工创业项目_加工小本创业项目
现在在加工创业项目办小本加工厂有哪些?有什么项目推荐,下面这些小本加工厂项目个个都适合一个人创业,来看看吧!以下是小编分享给大家的关于,一起来看看加工小本创业项目吧!...
【职场知识】 日期:2020-03-19
-
2021教育基础知识试题(附答案)
2021教育基础知识精选试题(附答案) 1、主张恢复西方传统教育核心价值,反对“进步教育
【职场知识】 日期:2021-03-17
-
致橡树(中英文)
3 【原诗】 【JohannaYueh修改版】 致橡树TotheOakTree 作者:舒婷ByShu
【职场知识】 日期:2020-11-17
-
男一分钟仰卧起坐标准表
表表11--13 男生一分钟仰卧起坐、引体向上单项评分表(单位:次) 等级 单项 得分 三年级 四年
【职场知识】 日期:2021-05-08
-
“以学生为中心”的教学原则
以学生为中心的教学原则教师在开展以学生为中心的教学实践中,必须谨记学习目标不再是知识的获得,能力要比知识更重要。以下是蒲公英阅读网
【职场知识】 日期:2023-01-05
-
唐代诗人李昂个人信息
唐代诗人李昂个人信息 导读:我根据大家的需要整理了一份关于《唐代诗人李昂个人信息》的内容,具体内容:
【古典文学】 日期:2020-11-07
-
[关于中秋的朗诵诗词] 关于爱国的朗诵诗词
中秋,热闹的街头树起了灯彩,舞起了火龙。你知道多少关于中秋的朗诵诗词?下面小编为你整理了几篇关于中秋的朗诵诗词,希望对你有帮助。 关于中秋的朗诵诗词一 中秋佳节...
【古典文学】 日期:2019-06-06
-
叠加原理实验报告
一、实验目的1、通过实验来验证线性电路中的叠加原理以及其适用范围。 2、学习直流仪器仪表的测试方法。
【古典文学】 日期:2020-11-12
-
大气唯美黑板报【国庆节大气黑板报】
日本在投降的那一天,再也没有昔日的嚣张,我们中国的屈辱得到洗刷。下面就随小编看看国庆节大气黑板报内容,希望喜欢哦。 国庆节大气黑板报图片欣赏 国庆节大气黑板报...
【古典文学】 日期:2019-05-05
-
怎样认识世界处于百年未有之大变局
怎样认识世界处于百年未有之大变局 首先,“大变局”是对国际格局发生巨大变迁的
【古典文学】 日期:2020-10-28
-
输血查对制度
输血查对制度依据卫生部《临床输血技术规范》的要求,制订抽血交叉配备查对制度、取血查对制度、输血查对制
【古典文学】 日期:2020-09-24
-
【二人旅游英语情景对话】 二人英语对话2分钟旅游
随着国内外旅游业市场的不断扩大,旅游英语人才成为社会的紧缺人才。小编精心收集了二人旅游英语情景对话,供大家欣赏学习! 二人旅游英语情景对话1 A:Itsmyfirsttimeto...
【古典文学】 日期:2020-02-29
-
法律知识手抄报图片大全|法律知识手抄报
我国开展了全面的普法宣传工作,法制宣传教育、普及法律常识作为经常的重要任务。做法制教育手抄报,普及法律知识。下面是小编为大家带来的法律知识手抄报图片大全,希望大家...
【古典文学】 日期:2020-03-10
-
创业思路 [20个创业思路]
在家创业好项目,想创业,不想出门,有没有什么好方法呢?要想兼顾全职的工作,又想挣点外快,我们来看看这些项目。以下是小编为大家整理的关于20个创业思路,给大家作为参考,...
【古典文学】 日期:2020-03-02
-
2021公安专业知识考试练习题(附答案)
2021公安专业知识考试练习题(附答案) 1 甲地公安机关接到群众举报,在当天举行的大型娱乐活动中,
【古典文学】 日期:2021-01-29
-
时尚女装店面装修效果图|韩式女装店面装修
在服装店的设计之中,我们要将多变、创新、品牌自身的定位与发展趋势相结合,用一种可持续的设计方式呈现出来,以便更加适应不断更新的展示主体。下面小编就为大家解开时尚女装店...
【中国文学】 日期:2019-05-16
-
2021年超星尔雅学习通《辩论与修养》章节测试试题(共183题附答案)
2021年超星尔雅学习通《辩论与修养》章节测试试题(共183题附答案)1、辩论的目的不是单纯获得某种
【中国文学】 日期:2021-05-12
-
【世界上最大的半岛】阿拉伯半岛
你知道世界上最大的半岛是什么吗?下面由小编来介绍一下。 阿拉伯半岛的简介 阿拉伯半岛(阿拉伯文:)位于亚洲,是世界上最大的半岛。沙特阿拉伯、也门、阿曼、阿拉伯联合...
【中国文学】 日期:2019-05-24
-
雪天安全行车注意事项_雪天安全行车提示语
维护城市交通秩序,争做河源文明市民。你们想看看雪天安全行车提示语有哪些吗?以下是小编推荐雪天安全行车提示语给大家,欢迎大家阅读! 安全行车温馨提示语【经典篇】 1...
【中国文学】 日期:2020-03-15
-
2022年当前世界下中国面临国际形势论文范本
和平与发展仍然是当今时代的主题。谋和平、求合作、促发展是各国人民的共同愿望。为了大家学习方便,下面是小编为大家整理的当前世界下中国面临的国际形势论文范文内容,以供参...
【中国文学】 日期:2022-03-31
-
小数乘法计算方法
小数乘法得计算方法理解小数乘法计算得法则,能够比较熟练得进行小数乘法笔算与简单得口算重点掌握小数乘法
【中国文学】 日期:2020-12-22
-
清明节踏青简笔画【清明节踏青图片】
清明节是二十四节气之一,是很适合出去踏青的节日,下面是小编为大家收集的清明节踏青图片相关资料,希望对大家有所帮助。 清明节踏青图片欣赏 清明节踏青图片1 清明...
【中国文学】 日期:2019-05-08
-
【欧式女装小店面装修图】 女装小店面装修
随着服装行业和照明产业的发展日趋成熟,服装店的照明设计越来越受到人们的广泛关注,即通过光环境设计对消费者产生引导性作用。下面小编就为大家解开欧式女装小店面装修图展...
【中国文学】 日期:2020-02-27
-
古代人物漫画女生唯美图片欣赏 漫画人物图片女孩唯美
中国漫画始于清末民初,而平面设计虽然其名称是在改革开放以后确立的,但设计活动却自古就有,二者的相互影响是本文的主要讨论范围。小编整理了唯美古代女生人物漫画,欢迎阅读!...
【中国文学】 日期:2020-03-19
-
电磁场与电磁波实验报告
实验一 静电场仿真 1 实验目的建立静电场中电场及电位空间分布的直观概念。 2 实验仪器计算机一台3
【中国文学】 日期:2020-08-26
-
山东省生产经营单位安全生产主体责任规定(303号令)
山东省生产经营单位安全生产主体责任规定(2013年2月2日山东省人民政府令第260号公布根据2016
【外国名著】 日期:2020-10-22
-
改革开放大事记简表(改革开放新时期1978-2012年)
改革开放大事记简表 (1978-2012年) 时间1978年12月18日至22日地点北京事件党的十一
【外国名著】 日期:2021-06-17
-
大学生音乐欣赏论文 大学音乐鉴赏论文3000
今天小编就为你介绍关于大学生音乐欣赏论文,下面是!小编给你搜集了相关资料!希望可以能帮助到大家。 大学生音乐欣赏论文—第一篇 音乐是生活不可缺少的一部分,学会欣...
【外国名著】 日期:2019-05-27
-
材料力学金属扭转实验报告
材料力学金属扭转实验报告 【实验目的】 1、验证扭转变形公式,测定低碳钢的切变模量G。;测定低碳钢和
【外国名著】 日期:2020-11-27
-
白烛葵的花语:白烛葵的不死幻想症
白烛葵,花名,花语为“不感兴趣”。现又指《知音漫客》上连载漫画《极度分裂》里主要角色之一。下面小编为你整理了白烛葵的花语。欢迎阅读。 白烛葵的花语:不感兴趣 ...
【外国名著】 日期:2019-05-11
-
“坚定理想信念、增强历史自觉、弘扬优良传统、加强党性锤炼、党员先锋模范作用发挥”方面存问题和不足剖析材料例文
“坚定理想信念、增强历史自觉、弘扬优良传统、加强党性锤炼、党员先锋模范作用发挥&rdqu
【外国名著】 日期:2021-08-14
-
(新版)就业知识竞赛题库及答案解析
(新版)就业知识竞赛题库(全真题库) 一、单选题1 (单选):在职业生涯规划工具中,组织在展开员工职
【外国名著】 日期:2021-07-21
-
梦见打官司 [解梦梦见在打官司]
梦见打官司:解梦查询梦见打官司的吉凶,梦见打官司的解梦建议,运势,运气指数等内容,梦见打官司的人都可以来看看。 梦见打官司的周公解梦: 梦见打官司,预示会有意外之财...
【外国名著】 日期:2020-02-26
-
3.8妇女节_3.8妇女节手工制作图片精选
3 8妇女节送卡片表示感恩与祝福是在好不过了,小编整理了3 8妇女节手工制作感恩卡图片,希望大家喜欢! 3 8妇女节手工制作感恩卡图片展示 3 8妇女节手工制作感恩卡图...
【外国名著】 日期:2020-03-14
-
植物装饰画黑白图片欣赏|荷花装饰画黑白图片
装饰画是一种装饰性艺术,是装饰性和创造性相结合的艺术设计形式。小编整理了植物装饰画黑白,欢迎阅读! 植物装饰画黑白图片展示 植物装饰画黑白图片1 植物装饰画黑白...
【外国名著】 日期:2019-05-31
-
梧桐花的花语|梧桐花的功效与作用
梧桐花为梧桐科植物梧桐的花,植物形态详梧桐子条。今天小编为你整理了梧桐花的花语,欢迎阅读。 梧桐花的花语是:情窦初开 在春季里晚开的花朵,有着恬淡的气息。 ...
【寓言童话】 日期:2020-03-03
-
西部计划笔试题库(99题含答案)
西部计划笔试题库(99题含答案) 1 第十三届全国人大三次会议表决通过了《中华人民共和国民法典》,自
【寓言童话】 日期:2021-06-16
-
大学生音乐欣赏论文 大学音乐鉴赏论文3000
今天小编就为你介绍关于大学生音乐欣赏论文,下面是!小编给你搜集了相关资料!希望可以能帮助到大家。 大学生音乐欣赏论文—第一篇 音乐是生活不可缺少的一部分,学会欣...
【寓言童话】 日期:2020-03-12
-
年学生资助诚信教育主题活动方案
各二级学院(部): 为深入贯彻落实习近平总书记关于教育的重要论述,落实立德树人根本任务,增强当代大学
【寓言童话】 日期:2020-06-21
-
主题教育调查研究工作方案2篇
主题教育调查研究工作方案1根据省、市、县开展“不忘初心、牢记使命”主题教育工
【寓言童话】 日期:2021-03-19
-
惊悚鬼故事50字 令人惊悚的故事
这些惊悚故事在短短的篇幅和时间之内让您感受到故事里传达出来的恐怖感,令你感到害怕。下面就是小编给大家整理的令人惊悚的故事,希望对你有用! 令人惊悚的故事篇1:学校...
【寓言童话】 日期:2019-05-13
-
油管、套管规格尺寸对照表
API油管规格及尺寸 公称尺寸(in) 不加厚外径(mm) 不加厚内径(mm) 加厚外径(mm) 加
【寓言童话】 日期:2020-08-31
-
北京最好吃的自助餐厅 北京高档自助餐排名
自助餐简直就是拯救大胃王的最佳饮食!没有之一!世界上没有什么事情是吃一顿自助餐解决不了的,如果有,那就吃两顿!下面小编给大家推荐北京几家好吃的自助餐。 北京最好吃的...
【寓言童话】 日期:2020-02-25
-
廉洁自律自我剖析材料(精选)
廉洁自律自我剖析材料((精选多篇)) 信念。科学文化,提高自身素质的终身学习的意识,紧密联系群众,调
【寓言童话】 日期:2020-07-20
-
【古代男生漫画图片大全】男生漫画头像
漫画和动画组成了动漫产业的两大支柱。然而,与动画相比,漫画在业界和学界皆相对冷清。小编整理了古代男生漫画,欢迎阅读! 古代男生漫画图片展示 古代男生漫画图片1 ...
【寓言童话】 日期:2019-05-27
-
学生高考动员演讲稿
学生高考动员演讲稿3篇高考动员演讲稿11 老师们、同学们: 大家下午好!漫漫高考长征路已经进入尾声了
【百家讲坛】 日期:2021-09-22
-
企业安全演讲稿2021
最新企业安全的演讲稿5篇 演讲稿是作为在特定的情境中供口语表达使用的文稿。在充满活力,日益开放的今天
【百家讲坛】 日期:2021-09-22
-
XX镇扶贫项目实施专项整治工作总结_1
XX镇扶贫项目实施专项整治工作总结 为深入贯彻精准扶贫精准脱贫基本方略,认真落实党中央、国务院,省委
【百家讲坛】 日期:2021-09-22
-
对乡镇领导班子干部成员批评意见例文
对乡镇领导班子干部成员的批评看法范文 一、对党委书记XXX同志的批评看法〔3条〕 1、与干部交流偏少
【百家讲坛】 日期:2021-09-22
-
群英乡扶贫资金项目芬坡村祖埇村生产道路硬化工程绩效自评报告
群英乡扶贫资金项目((芬坡村祖埇村生产道路硬化工程))绩效自评报告 一、基本情况(一)群英乡扶贫资金
【百家讲坛】 日期:2021-09-22
-
党委书记警示教育大会上讲话2021汇编
党委书记在警示教育大会上的讲话55篇汇编 党委书记在警示教育大会上的讲话(一) 同志们: 根据省州委
【百家讲坛】 日期:2021-09-22
-
对于2021年召开巡视整改专题民主生活会对照检查材料
关于12021年召开巡视整改专题民主生活会对照检查材料 按照中央巡视组要求和省、市、区委统一部署,区
【百家讲坛】 日期:2021-08-14
-
消防安全知识培训试题.doc
消防安全知识培训试题姓名: 部门班组: 成绩: 一:填空题,每空4分,共44分。 1、灭火剂是通过隔
【百家讲坛】 日期:2021-08-14
-
涉疫重点人员“五包一”居家隔离医学观察工作流程
涉疫重点人员“五包一”居家隔离医学观察工作流程 目前,全球疫情仍处于大流行状
【百家讲坛】 日期:2021-08-14
-
疫情防控致全体师生员工及家长一封信
疫情防控致全体师生员工及家长的一封信 各位师生员工及全体家长朋友: 暑假已至,近期我省部分地方发现确
【百家讲坛】 日期:2021-08-14