观点文本分类的应用现状

   近几年来，观点文本分类引起了各行各界的关注和学者们的研究，也在各个领域中起到了重要作用。具有代表性的工作有：

   Morinaga[24]等人开发了声誉分析系统(Reputation Search Engine)，这个系统可以根据用户给出的产品名称，从互联网上搜索到相关观点，并标出了每个观点的情感极性。

   Tong[25]提出了情感时间线(sentiment time line)的检测跟踪系统。系统跟踪是直接对电影在线评论，而且带上正面和负面的数量上的统计。

   Das[26]等人对网络上的股票行情进行的评论进行文本分类，然后对以后的行情进行预测。

   Dave[27]等人研发出了Review Seer，这软件可以对产品的观点句子进行分类，并按照这些句子的倾向进行排序。

   Liu[5]等人研发了名叫opinion observer的系统，利用网上顾客的评论提取消费者对其的评价，最后对评论做了主观的处理。

   Chesley[28]等人把动词和形容词作为主要的特征，将文本分类正面和负面评论。

   Yu[29]等人研发的系统可以自动的抽取具有主观意见的单词。首先用贝叶斯分类器将文本分成主观性文本和客观性文本；然后使用无监督统计方法从文本中找出主观性的句子；最终找出主观句子，然后进行文本极性分类。

   近几年情感分类研究的发展，文献[30][31]与文献[32][33]也是对观点文本分类进行了研究。他们大多采用了找出两个领域文本特征词之间的联系，然后利用机器学习的方法对一个领域的文本进行训练，然后对其它领域的文本进行测试。最终分类的正确率往往不是很高，但指出了一种解决跨领域观点文本分类的方法。