【计算机科学与应用】层级评论上下文依赖识别数据集构建与研究——以小红书旅游评论数据为例文本情感分析已广泛用于在线评论和旅游体验研究,但小红书内容具有笔记–评论双层结构,评论往往需要结合原笔记才能准确理解。为避免在数据清洗阶段误删有价值评论,或在主题分析中因简单拼接造成噪声混入与主题情感错配,本文构建面向笔记–评论融合的评论上下文依赖识别任务。本文以小红书旅游评论为研究对象,整理有效评论数据30,802条,并依据语义将评论划分为完整语义评论、上下文依赖评论和无有效态度评论三类。该分类将评论处理由简单“保留/删除”转化为“独立分析/融合分析/过滤噪声”的分层策略,使缺少对象但包含情绪态度的评论