1.文档预处理

文档预处理主要包括：分词、去停用词，如“的”、“呢”等，以及词性标注。类似于第3章的实验方法，本章同样采用ICTCLAS软件对中文产品评论自动进行分词和词性标注。用逗号“，”替代评论中的空格、“～”、“/”等符号，并且以此为界将产品评论划分成多个评论片段。

2.实验语料统计结果

由于本章是在第3章的基础上，对已经识别的特征词与观点词进行配对，所以本章使用的实验语料为第三章构建的实验语料库中的测试语料，包含手机、数码相机和笔记本电脑三类产品的评论各1 000条。

为了保证实验结果的有效性与一致性，本次实验选择与前次实验相同的三名语料标记人员，对实验语料中的特征观点对进行手工标注，尤其是对隐式特征词的理解、识别与标记。为了测试标记结果的一致性，随机选择20条语料来计算Kappa统计量。结果显示Kappa值约为0.809，高于0.8表明语料标注结果的一致性可以接受。对人工标注的实验语料进行统计，结果如表4-2所列。

表4-2　实验语料的统计结果(www.daowen.com)

根据表4-2的统计结果，可以得到以下结论：

（1）大约58%的评论片段包含特征观点对，说明将产品评论划分为多个片段，有利于特征词与观点词的配对；

（2）平均每条评论大约含有5～6个特征观点对，说明特征观点对是产品评论的基本情感评价单元；

（3）相较于其他两类产品，笔记本电脑的评论中包含特征观点对的评论片段所占比例较小，说明在笔记本电脑的评论中包含较多与产品无关的叙述（例如用户对电子商务网站的售后服务等的评价），在一定程度上加大了评论挖掘的难度。