摘要

本文提出了一种从用户生成评论中提取关键洞察的系统性方法。该研究基于方面级情感分析（Aspect-Based Sentiment Analysis, ABSA），旨在预测文本中提及各个方面的情感倾向。所提取的方面具有细粒度特征，适用于一种称为“评论摘要”（Review Highlights）的呈现形式。传统的基于语法的提取方法在处理过程中易受重叠的分块规则影响，导致噪声信息被错误提取。为此，本文提出一种混合型技术，融合了机器学习与基于规则的模型。该方法采用多标签分类器，识别出在文本中有效解析方面与观点的规则，从而实现对规则的优选。该规则选择机制显著降低了提取任务中的噪声干扰。本研究首次尝试利用机器学习技术，从语料库中自动学习语法规则的适用性，以实现更精确的方面提取。由于模型能够从语料库中学习语法规则的预测能力，因此该提取方法具备领域无关性。同时，该方法也为在不同语料库中评估语法规则的质量提供了可行路径。