哈尔滨工业大学管理学院.doc

哈尔滨工业大学管理学院青年创新人才培养计划申 请 书 申 请 人： 叶强 专业技术职务： 教授/博士生导师 所 在 系： 管理科学与工程系 通讯地址： 哈尔滨工业大学管理学院 联系电话：申请日期： 2008年12月15日 哈尔滨工业大学管理学院制一、简表申请人姓 名叶强性别男民族汉出生年月1972.7专业技术职务教授/博导行政职务系副主任最终学位及授予国家或地区及学校博士/中国研究方向电子商务/商务智能电子邮箱所在工作系管理科学与工程系通讯地址及邮编哈尔滨工业大学 管理学院 管理科学与工程系 150001联系电真86414024手大学起简历起止年月地点学习、工作单位任职1990.9-1994.71994.7-1999.121996.9-1999.72000.2-2003.32003.4-2004.62004.7-2007.32006.9-2007.82007.4-2007.9 2007.9-现在武汉哈尔滨哈尔滨哈尔滨哈尔滨哈尔滨美国Austin哈尔滨哈尔滨华中农业大学东北农业大学东北农业大学哈尔滨工业大学哈尔滨工业大学哈尔滨工业大学德克萨斯大学奥斯汀分校(UT Austin)电子商务研究中心哈尔滨工业大学哈尔滨工业大学本科生助教/讲师硕士研究生博士研究生讲师副教授/硕士生导师博士后副教授/博士生导师教授/博士生导师主要学术任职国家自然基金委 同行评议专家中国互联网协会互联网研究中心 副主任中国信息经济学会 常务理事Journal of Electronic Commerce Research 副主编(Associate Editor,美国)Journal of the Association for Information Systems 论文审稿人Decision Support Systems(DSS) 论文审稿人Tourism Management 论文审稿人管理科学学报 论文审稿人系统工程学报 论文审稿人夏威夷系统科学国际会议(HICSS) 论文审稿人亚太管理信息系统国际会议(PACIS) 论文审稿人主要教学和科研工作经历叶强， 2003年研究生毕业获得管理学博士学位，在哈尔滨工业大学管理学院任教，2004年任副教授。2006年至2007年赴美国德克萨斯大学奥斯汀分校(UT-Austin)电子商务研究中心，参加国际管理信息系统领域著名学者Andrew Whinston教授领导的学术团队，进行为期一年的博士后研究。2007年4月成为哈尔滨工业大学首批11位副教授博士生导师，同年9月晋升为教授。现任信息管理与信息系统研究所副主任和管理科学与工程系副主任。近年来，主讲博士研究生数据挖掘(II)、硕士研究生数据挖掘(I)、硕士研究生电子商务、MBA电子商务、本科生电子商务、本科生专业英语等课程,同时担任EMBA电子商务课堂英文口译，年平均教学工作量为180学时以上。所指导的本科毕业生论文和研究生毕业论文4人次获得哈尔滨工业大学优秀毕业论文,5人次获得管理学院优秀毕业论文奖，2005年获SMC奖教金。主要研究领域为商务智能与电子商务。近5年作为课题负责人或合作负责人，主持了包括国家自然科学基金、黑龙江省自然科学基金、美国德州大学(Austin)国际商务与教育研究基金及香港理工大学合作研究基金在内的11项科研课题。同时，作为第二负责人或主要参加者，参加了包括国家自然科学基金、国家863课题等项目在内的6项科研课题的研究工作，并领导开发了多个信息系统项目，获得软件著作权3项。近年来，在Expert Systems with Applications、International Journal of Hospitality Management、Database for Advances in Information Systems、管理科学学报、管理工程学报、“管理信息系统国际会议（ICIS）”、“欧洲信息系统国际会议ECIS”、 “亚太管理信息系统学术会议PACIS”、“夏威夷系统科学国际会议HICSS”等中英文学术期刊及国际学术会议发表科研论文30余篇，其中SCI/SSCI期刊4篇、一级期刊6篇、EI检索9篇，ISTP检索9篇，累计他引次数83次。2008年10月，由清华大学、哈尔滨工业大学、中科院、大连理工大学、西安交通大学等5个团队共同申报的国家自然科学基金重大项目“新兴电子商务重大基础问题及关键技术研究”获得立项批准，为近10年来国家自然科学基金委管理科学部的第一个重大项目，叶强任哈工大团队负责人。叶强目前负责其所在学科的国际交流工作，近5年内，多次赴剑桥大学、麻省理工大学、夏威夷大学、德州大学奥斯汀分校、香港理工大学、香港科技大学等境外大学开展学术交流访问或参加国际学术会议，建立了学术团队与境外学校的科研合作关系。2006年4月，叶强被聘请为国际电子商务领域著名学术期刊“Journal of Electronic Commerce Research”（JECR)编委（Associate Editor），成为首次进入该期刊编委会的2名大陆学者之一。2008年7月，叶强作为第一作者的论文被国际管理信息系统领域3大洲际学术会议之一的亚太管理信息系统学术会议（PACIS）授予该年度唯一的大会最优论文奖，是我国大陆学者首次获此殊荣。2008年，叶强作为第一作者的学术论文“Measuring the Value of Managerial Responses to Online Reviews A Natural Experiment of Two Online Travel Agencies”被素有“管理信息系统奥运会”之称的国际管理信息系统学术会议（ICIS）录用。ICIS作为国际管理信息系统学会AIS的年会在国际管理信息系统领域具有非常重要的学术地位，历年论文平均录取率在10%左右，截止至2007年第28届年会，我国大陆学者累计有2篇第一作者论文被该会议录用。二、近5年内主持过的国家级研究课题项目编号项 目 名 称项目来源经费(万元)起止年月1新兴电子商务重大基础问题及关键技术研究(编号: 70890082)国家自然科学基金：重大项目(子课题)1000/302009.1-2012.122面向电子商务的中文客户评论情感分析研究(编号:70771032)国家自然科学基金21.02008.1-2010.123面向非确定性客户细分的商务智能理论与方法研究(编号：70501009)国家自然科学基金17.52006.1-2008.124中美互联网用户行为模式比较及用户细分研究(编号：70810107022)国家自然科学基金：中美合作交流基金2.002009.1-2009.12三、目前正在承担的主要科研任务（不超过5项）项目编号项 目 名 称经费(万元)起止年月负责或参加项目来源1新兴电子商务重大基础问题及关键技术研究(编号: 70890082)1000/302009.1-2012.12负责国家自然科学基金：重大项目(子课题)2面向电子商务的中文客户评论情感分析研究(编号:70771032)21.02008.1-2010.12负责国家自然科学基金3面向非确定性客户细分的商务智能理论与方法研究(编号：70501009)17.52006.1-2008.12负责国家自然科学基金4中美互联网用户行为模式比较及用户细分研究(编号：70810107022)2.002009.1-2009.12负责国家自然科学基金：中美合作交流基金5Sentiment Classification of Online Reviews for Travel Destinations69.6万港币2007.8-2009.8合作负责香港理工大学合作研究基金四、近五年发表的主要学术论文及被引用情况（不超过10篇，其中3篇学术代表作附复印件、检索证明论文、专著名称年份学术期刊或出版社名称（影响因子）卷（期）页作（著）者名次引用次数Sentiment Classification of Online Reviews to Travel Destinations by Supervised Machine Learning Approaches2008Expert Systems with Applications,(SCI)(IF:1.177) 2008 Online Available43(4)1-1310The Impact of Online User Reviews on Hotel Room Sales2009International Journal of Hospitality Management（SSCI）09年第1期已出版 28(1)180-18210Measuring the Value of Managerial Responses to Online Reviews a Natural Experiment of Two Online Travel Agencies2008Proceeding of International Conference on Information SystemsICIS20081-810How Organizational Culture Shape Competitive Strategies: A Comparative Case Study of Two E-Commerce Firms in China2008Proceeding of 12th Pacific Asia Conference on Information Systems （ISTP）(获年度唯一最优论文奖)PACIS2008.7381-39410Improved Text Mining Methods to Answer Chinese E-mails Automatically2006Lecture Notes in Control and Information Science (SCI ) (IF: 0.269)LNCIS: Vol3448949022*0Analysis Based Data Processing for Time Series of Data Mining Predicting2006Lecture Notes in Computer Science(SCI) (IF: 0.513)LNCS:Vol39187807893*0Semantic-Oriented Sentiment Classification for Chinese Product Reviews: an Experimental Study on the Reviews for Books and Cell Phones2005Tsinghua Science and Technology (EI)10(S1)79780213客户关系管理中的动态客户细分方法研究2006管理科学学报 9(2)445218面向互联网评论情感分析的中文主观性自动判别方法研究2007信息系统学报1(1)79-9110基于多分类器融合的客户细分研究2004管理科学17(2)646718* (第一作者为所指导的研究生)五、近五年获奖目录（限填国际学术性奖励、国家级科研或教学奖励以及省部级科研成果二等奖以上或者相当的奖励，并附证书复印件）获奖项目名称 奖励类别（等级）授予单位获奖时间本人排名2008亚太管理信息系统国际学术会议(PACIS)大会最优论文奖国际奖(AIS)国际管理信息系统学会200871基于J2EE的网络应用系统开发平台黑龙江省科技进步三等奖黑龙江省政府200692六、获资助后拟开展的主要研究内容、关键科技问题及预期成果拟开展的研究课题：面向互联网用户评论分析的行为与技术导向研究研究内容概要：该研究将在申请者前期研究工作基础上，以电子商务为背景，面向互联网客户评论，探索在线评论分析理论与方法。课题的探索性研究工作将主要围绕两个方面展开：1)通过技术导向的理论方法研究，建立和完善基于语义的中文网络评论情感分析理论方法和实现技术；2)通过行为导向的实证研究，探索网络评论对消费者认知及商品销售的影响机制模型。该研究在理论上，将通过PMI-IR语义原理创新和网络评论影响机制理论拓展，把目前主要面向英文的客户情感分类理论及方法拓展到中文世界，为今后面向中文的情感分析研究建立理论基础。在实践上，可以解决中文环境下，如何将客户对产品或服务的评论信息进行自动情感分析的问题。提出的技术方法可用于企业的客户服务系统等需要进行情感分析的应用系统及网络搜索引擎系统。这些理论和方法的应用可以帮助企业深入挖掘互联网上的客户信息，评价商品的市场反映，制订更加适合的商务策略，从而提高企业竞争优势。1. 研究背景随着Internet技术与应用在过去十几年时间中的快速发展，Internet不仅给企业的业务流程带来了巨大的改变，也对消费者的行为模式产生了深刻的影响。据统计，截至2007年1月，全球上网人数已达11.12亿人（2007年, Miniwatts Marketing Group）。近年来互联网应用的迅速发展，尤其是Web2.0 技术的广泛采用，使互联网的使用和发展出现了巨大的飞跃，大量用户创造的内容成为互联网上重要的信息来源，在深刻地改变着互联网的使用方式的同时，也使企业对互联网的利用面临新的机遇和挑战 (Vossen et al, 2007)。近年来，针对UGC（User-generated-content）的研究成为国际IS研究的一个热点领域 (Godes, 2006; Ghose, 2007; Dellarocas, 2008)。UGC亦称作 CGM（Consumer generated media）或UCC (User created content)，泛指以任何形式在网络上发表的由用户创作的文字、图片、及音频视频等内容（OECD, 2007）。在这些用户创作的内容中，有很大一部分是消费者对使用过的产品或服务的评论。这些评论信息对其他消费者的购买决策具有重要的影响。DoubleClick Inc. （2005）进行了一项针对美国服装业、计算机硬件设备业、运动与健身产品行业及旅游业网络客户的研究，发现每个行业都有近一半以上的消费者在做出购买决定前会通过各种搜索引擎在互联网上搜索相关产品介绍以及其他客户对商品的评论等信息(图1)，其中互联网上的客户评论对于网络消费者的购买决策有着重要的影响(Godes et al., 2005).互联网上的海量信息不仅为人们带了丰富的信息资源，同时也常让人们在浩如烟海的信息海洋中“迷航”。Google与百度等搜索引擎的出现大大提高了互联网上信息搜寻的效率，因而成为最受欢迎的互联网工具之一。现在，当人们需要了解一些未知的信息时，就可以利用这些搜索引擎在互联网上进行搜索。例如我们计划购买一款新的笔记本电脑，想知道用过这款电脑的人对它的评价如何，就可以借助Google等搜索引擎来搜索其它客户对这款笔记本电脑的有关评论。然而，互联网上这样的评论可能数量极多，一个人很难逐一阅读搜索引擎找到的全部评论文章，一般只能阅读其中有限的部分，获得不完全的信息。针对这一问题，近年来以文本情感自动分析为目标的一项非结构化数据分析技术情感分析（sentiment classification），引起了研究者的极大兴趣(Turney，2003)。通过对互联网上的客户评论进行自动情感分析，用户将可以了解其他用户的态度倾向分布，从而做出更好的购买决策。同时，对互联网上的这些评论的分析，也为企业获取客户信息提供了新的途径。通过对互联网上非结构化的客户评论信息的挖掘与分析，可以使企业了解客户对企业及产品的情感倾向，从而为企业提供重要的商务决策信息。网络客户评论情感分析作为非结构化信息挖掘的一个新兴领域，主要涉及对互联网上的商品评论、新闻事件评论、服务反馈意见等非结构化信息的知识挖掘过程，正日益受到人们的关注。目前已有的基于互联网的关于客户情感分析研究包括汽车、电影、股票、旅行目的地、电子仪器等产品评论的客户情感分类。图 1. 消费者在购买前进行网络搜索的比例（DoubleClick Inc.，2005年）情感分析以客户在互联网上发布的产品评论为研究对象，挖掘客户的情感倾向，从而自动判断该评论的极性(the polarity of the review）,即正面评论或负面评论。通过对大量客户评论的情感分类，可以综合得出这些客户对该种产品或服务的普遍看法。销售商和生产商可以利用自动情感分类，获得客户对其商品和服务的评价信息，从而改进产品改善服务，获得竞争优势，其它客户则可以据此做出是否应该购买某种产品的决策。不言而喻，在电子商务大潮席卷世界的今天，能够充分挖掘客户评论中的情感信息、了解客户的喜好偏爱，对企业和消费者都将具有十分重要的意义。作为一个新的研究领域，针对情感分析的研究仍处于起步阶段。一些研究者已经开始对英文客户评论的情感分类进行研究，并取得了一定成果。其中，Sanjiv Ranjan Das等人针对yahoo网站股票留言板中的评论进行了研究，提取了投资者对其所关注股票的态度37。Bo Pang等研究者利用机器学习方法研究了文本形式评论的情感分析7。Philip Beineke等用机器学习和人的注释评论相结合，提高了英文文本情感分析的准确度32。日本的NEC公司对产品声誉进行了语义抽象和分类的研究38，取得了初步的成功。匹兹堡大学的智能系统计划研究了情感分析中语义强度的提取问题39，对该领域研究作出了基础性的工作。Turney等人通过基于语义方法的情感分类研究，得到汽车评论的准确率是84%，电影评论的准确率是66% ，已经具有了初步的应用价值41。Wiebe等从主观句与客观句分类的角度研究了客户情感分类，提出了主观句与客观句的分类方法44。2004年Fei Zhongchao利用机器学习方法，针对英文体育评论研究了情感分析15。上述这些现有的情感分析技术，主要包括机器学习方法6,15,32,37及语义方法（Semantic Orientation）41两类。基于机器学习的情感分类方法在针对每一种产品使用前，都需要用大量的训练样本对分类模型进行训练，而训练样本集的建立则需要采用人工方法对大量的评论文章逐一阅读甄别，并进行手工标识，这与利用自动情感分类降低人的阅读负担这一初衷还有着一定的差距。因此，近来许多研究者将情感分析研究的重点集中在对训练样本的需求量较低的语义方法上33,40,41。Turney（2002）最早提出了基于PMI-IR算法的语义情感分类思想，该方法将点互信息（PMI）与信息汲取方法（IR）相结合，借助搜索引擎的后台数据库获得语义倾向信息，从而作出情感判断，该方法的可靠性已经在英文客户情感分类的研究中得到了初步的验证。2002年，Turney针对汽车、银行、电影和旅游目的地等商品和服务的客户评论，用该方法进行了情感分类研究，获得了良好的分类效果。2003年，Kushal Dave 利用该方法对亚马逊（Amazon）和C-Net等网上商店的客户评论进行了情感分析，再次验证了该方法的性能11。2005年，Zhou利用电影评论数据对基于语义倾向的情感分类方法和基于机器学习的情感分类方法进行了对比分析，发现语义方法的结果与机器学习方法具有相似性33。上述研究均证实了该语义倾向的客户情感分析方法的有效性。除此之外，还有一些学者采用由普林斯顿大学开发的英文词网(WordNet) 17进行英文语义方法的情感分析，也取得了较好的分析结果2。据CNNIC2008年7月公布的中国互联网用户最新统计资料显示，截至2008年6月我国已经有互联网用户2.53亿人，排名居世界第一，并仍在以高速增长45，中文用户和中文信息已经成为国际互联网上的一个非常重要的部分。然而，目前尚缺乏对中文客户评论情感分类的相关研究。由于语言结构的差别，现有的面向英文客户评论情感分类的语义方法，也无法直接用于中文客户评论的情感分类。叶强，李一军等(2005，2006）探索了中文环境下的情感分析理论与方法5,34,35,36 ，在PMI-IR方法基础上，初步建立了中文语义倾向情感分析方法，并分别将中文搜索引擎www.G 和www.B提供的API集成于情感分析实验平台中，对手机、图书、电影的中文客户评论进行了情感分析，获得了接近英文同类研究的分析结果，显示出了该方法在中文情感分析上的应用前景。另外，J. Yao等（2006）在研究中提出了使用电子汉英翻译词典结合英文词网的方法，也是对中文评论情感分析的一个有益尝试25。然而现有的这些面向中文评论情感分析的初步研究还存在很多不足。其中，借用英文做中介进行翻译的方法在技术上仍属英文情感分析的范畴，今后的研究方向还应直接针对中文进行情感分析。而在叶强等提出的直接针对中文评论的情感分析方法，在情感模式的提取上，采用的仍是英文的情感模式词性组合（表1），还需要进一步针对中文的特点探索发现中文特有的情感模式组合，从而提高情感分类的可靠性。另外，目前在英文和中文的情感分类的研究中，大多只能将文本分为正面与负面两类(the polarity of the review），研究者一般都将中间类型和情感倾向不明确的评论作为噪音，通过语料预处理排除在实验数据之外，这也使得该研究的实用性受到限制。同时，仅将客户评论进行正负面态度分类的一维分析，也未能充分获取客户评论中所包含的丰富信息，今后的研究应面向电子商务应用进一步探索更多的分析视角。最后，面向Web客户评论的情感分类是一项复杂的技术，而不仅是一个文本挖掘的工作，这项技术至少需要包括3个过程：Web信息的汲取评论与非评论Web信息的分离基于文本分析的情感倾向分类。前述的研究主要是围绕其中第3个过程基于文本分析的情感分类而进行；对于web信息汲取的研究，随着搜索引擎在商业上的成功，目前在研究上最为成熟；而对于评论与非评论信息分离技术目前还缺乏成熟的方法33,40。因此，为实现中文网络评论的自动情感分析，帮助企业和消费者更好地利用这些有价值的信息，目前还有许多基础性的研究工作需要开展。上述介绍的研究均为技术导向的IS研究(或称为Design Science)，技术导向的研究可以实现和改进对网络评论的自动处理能力，但却无法回答有关如何更好地使用这些技术的一些问题。由此，如何帮助企业更好地在管理中使用这些网络客户评论，也引起了IS领域行为导向学者们的研究兴趣。目前与之相关的研究主要集中在对网络客户评论如何影响其消费者的购买行为，以及如何进一步影响相关产品的销售情况的机制进行探索并建立理论模型12,16,18。Dellarocas(2005) 和Forman（2006）等人针对图书和电影评论的研究发现，无论客户评论中是否有很多负面的评论，评论的绝对数量对相应商品的销售量具有显著的正面的影响12,16。此外，Ghose等人通过对亚马逊()上商品的英文评论、评论推荐，以及商品销售排名数据的分析，进一步研究了评论风格对消费者认知的影响以及对目标销售绩效的影响深层机制，发现以主观句为主的评论和主观句与客观句混合的评论对不同类型商品的销售绩效具有不同的影响18，对于感受类商品（experience products）,包含更多主观句的评论较为重要，而对于特征描述类商品（feature-based products）,以客观句为主的评论则更重要。同时发现消费者一般认为极端正面态度和极端负面态度混合的评论对其最有帮助。然而，这篇发表于2006年12月ICIS前期会议WITS上的进展论文所用的数据较少，正如与会学者指出的，一些结论尚需更大量的数据进行验证。由于互联网上存在着大量的中文客户评论，研究中文网络评论对消费者行为的影响模式以及研究评论风格对销售业绩的影响机制，可以使针对中文客户为目标的企业有效地发现重要评论，并据此优化管理决策。因此，针对中文客户评论的行为导向研究具有重要的理论和应用价值，然而在申请人所了解的范围内，该类研究目前仍属空白。Rosenzweig (1994)曾指出的文化差异将导致管理研究的不等价性，在行为导向的情感分析研究中, 不仅存在中英文语言结构的差异，还存在着东西方文化的差异，因此针对英文客户评论的现有情感分析研究更难以替代针对中文的直接研究。综上所述，可以发现客户评论情感分析理论与方法，尤其是面向中文客户评论的研究，目前还很不完善，尚有很多基础性理论方法问题需要解决。本研究将针对上述分析中提出的问题，面向互联网上的中文客户评论，探索情感分类理论与方法，拟重点围绕以下列两个方面的问题展开研究：1）通过技术导向的理论方法研究，建立和完善基于语义的中文网络评论情感分析理论和实现技术。2）通过行为导向的实证研究探索中文网络评论对消费者认知及商品销售的影响机制模型。该研究在理论上，将通过PMI-IR语义原理创新和网络评论影响机制理论拓展，把目前主要面向英文的客户情感分类理论及方法拓展到中文世界，为今后面向中文的情感分析研究建立理论基础。在实践上，可以解决中文环境下，如何将客户对产品或服务的评论信息进行自动情感分析的问题。提出的技术方法可用于企业的客户服务系统等需要进行情感分析的应用系统及网络搜索引擎系统。这些理论和方法的应用可以帮助企业深入挖掘互联网上的客户信息，评价商品的市场反映，制订更加适合的商务策略，从而提高企业竞争优势。 主要参考文献：1 Aidan Finn, Nicholas Kushmerick and Barry Smyth. Genre Classification and Domain Transfer for Information Filtering. In: Proceedings of the 24th BCS-IRSG European Colloquium (2002)2 Alina Andreevskaia, Sabine Bergler. Mining WordNet for Fuzzy Sentiment: Sentiment Tag Extraction from WordNet Glosses.Proceedings of the 11th Conference of the European Chanpter of the ACL (EACL06),April,2006:209-216 3 Andreas Rauber and Alexander Muller-Kogler. Integrating automatic genre analysis into digital libraries. In: Proceedings of the 1st ACM/IEEE-CS joint conference on Digital libraries (2001)4 Andrew McCallum and Kamal Nigam. A comparison of event models for Nave Bayes text classification. In: Proceedings of AAAI-98 Workshop on Learning for Text Categorization (1998)5 Bin Lin, Tao Lu , Qiang ye. Opinion Classification for Chinese Movie Reviews. Proceeding of 12Th International Conferecn on Management Scince and Engineering, July, 2005, Korea6 Bing Liu and Minqing Hu. Mining and summarizing customer reviews. In: Proceedings of the 2004 ACM SIGKDD international conference (2004) 7 Bo Pang, Lillian Lee, and Shivakumar Vaithyanathan, Thumbs up? Sentiment Classification using Machine Learning Techniques, presented at the 2002 Conference on Empirical Methods in Natural Language Processing (EMNLP2002), 2002: 79-868 Brett Kessler, Geoffrey Nunberg, and Hinrich Schtze. Automatic detection of text genre. In: Proceedings of the 35th annual meeting of the Association for Computational Linguistics (1997)9 Brill, E. Some advances in transformation-based part of speech tagging. In: Proceedings of the Twelfth National Conference on Artificial Intelligence. Menlo Park, CA: AAAI Press, 1994: 722-72710 Chevalier, J., and D. Mayzlin. 2006. The effect of word of mouth online: Online book reviews. Journal of Marketing Research, forthcoming.11 Dave K, Lawrence S, Pennock D M. Mining the Peanut Gallery: Opinion Extraction and Semantic Classification of Product Reviews. In Proceeding of 12th international conference on World Wide Web. Budapest，Hungary: ACM Press, 2003: 519 - 52812 Dellarocas, C., N. Awad, and M. Zhang. 2005. Using online ratings as a proxy of word-of-mouth in motion picture revenue forecasting. Working Paper, University of Maryland.13 Eduard Hendrik Hovy. Generating natural language under pragmatic constraints. Doctoral Thesis, Yale University (1987)14 Ellen Riloff, Janyce Wiebe. Learning Extraction Patterns for Subjective Expressions. Proceedings of the 2003 Conference on Empirical Methods in Natural Language Processing, EMNLP-03, (2003)15 Fei Zhongchao, Liu Jian, Wu Gengfeng. Sentiment Classification Using Phrase Patterns. In: Proceedings of the Fourth International Conference on Computer and Information Technology (CIT04). WuHan, China: IEEE, 2004:1-616 Forman. C, A. Ghose, and B. Wiesenfeld. 2006. A Multi-Level Examination of the Impact of Social Identities on Economic Transactions in Electronic Markets. NYU CeDER Working Paper # 06-09.17 George A. Miller. WordNet:a lexical database for English.Communications of the ACM, 1995, 38 (11) :39 - 4118 Ghose, A. and P. Ipeirotis. Towards an Understanding of the Impact of Customer Sentiment on Product Sales and Review Quality. Proceedings of the Workshop on Information Technology and Systems (WITS), Milwaukee, December 2006. 19 Ghose, A., M. Smith, and R. Telang. 2006. Internet exchanges for used books: An empirical analysis of product cannibalization and welfare impact. Information Systems Research 17(1): 319.20 Hatzivassiloglou V, McKeown K R. Predicting the semantic orientation of adjectives. Proceedings of the 35th Annual Meeting of the Association for Computational Linguistics and the 8th Conference of the European Chapter of the ACL, Madrid, Spain: Morgan Kaufmann Publishers, 1997: 17418121 Hong Yu and Vasileios Hatzivassiloglou. Towards Answering Opinion Questions: Separating Facts from Opinions and Identifying the Polarity of Opinion Sentences. In: Proceedings of the 2003 Conference on Empirical Methods in Natural Language Processing (2003)22 Janyce Wiebe, Rebecca Bruce, Matthew Bell, Melanie Martin, and Theresa Wilson. A corpus study of evaluative and speculative language. In: Proceedings of the 2nd ACL SIGdial Workshop on Discourse and Dialogue (2001)23 Janyce Wiebe, Rebecca F. Bruce and Thomas P. OHara. Development and use of a gold-standard data set for subjectivity classifications. Proceedings of the 37th annual meeting of the Association for Computational Linguistics (1999)24 Janyce Wiebe, Theresa Wilson, Rebecca Bruce, Matthew Bell, and Melanie Martin. Learning subjective language. Technical Report TR-02-100, Department of Computer Science, University of Pittsburgh, Pittsburgh, Pennsylvania (2002)25 Jianxin Yao, etc. Using Bilingual Lexicon to Judge Sentiment Orientation of Chinese Words. Proceedings of The Sixth IEEE International Conference on Computer and Information Technology (CIT06)26 Jin-Cheon Na, Christopher S. G. Khoo, Syin Chan and Norraihan Bte Hamzah. Sentiment-based search in digital libraries. Proceedings of the 5th ACM/IEEE-CS joint conference (2005)27 Kim, S., and E. Hovy. 2004. Determining the Sentiment of Opinions. Proceedings of COLING-04. pp. 1367-1373. Geneva, Switzerland.28 Lee, T. and E. Bradlow. 2006. Automatic Construction of Conjoint Attributes and Levels from Online Customer Reviews. Working Paper, Wharton School.29 Liu B, Hu Minqing, Cheng Junsheng. Opinion Observer: Analyzing and Comparing Opinions on the Web. In: Proceedings of the 14th international World Wide Web conference (WWW-2005). Chiba, Japan: ACM Press, 2005:10-1430 Miniwatts Marketing Group. Internet Usage Statistics - The Big Picture World Internet Users and Population Stats. /stats.htm 2007/3/1)31 Pang, B., and L. Lee. 2004. A sentimental education: Sentiment analysis using subjectivity summarization based on minimum cuts. . Proceedings of the 42nd Annual Meeting of the Association for Computational Linguistics.32 Philip Beineke, Trevor Hastie, Shivakumar Vaithyanathan: The Sentimental Factor: Improving Review Classification Via Human-Provided Information. Proceedings of ACL 2004: 263-