李婷玉，葛正榮，姚天昉

(上海交通大學(xué) 計算機科學(xué)與工程系，上海 200240)

1 概述

網(wǎng)絡(luò)技術(shù)的高速發(fā)展，宣告了信息時代的到來。如何將自己需要的信息從網(wǎng)絡(luò)上海量的數(shù)據(jù)中抽取出來，已經(jīng)成為一個熱點研究方向。傳統(tǒng)搜索引擎的方法往往是依靠關(guān)鍵字的搜索，通過匹配來檢索出用戶所需要的信息和內(nèi)容。但是，關(guān)鍵字的匹配并不能很好地獲取用戶所需要的內(nèi)容，往往會夾雜著大量的無用信息，需要用戶人工篩選。而問答系統(tǒng)(Question Answering)的出現(xiàn)有望代替原有的信息檢索技術(shù)，使用戶能夠更方便地找到所要的信息。

傳統(tǒng)的問答系統(tǒng)一般只針對比較簡單的、基于事實的問句，而隨著大量評論性信息的出現(xiàn)，傳統(tǒng)的問答系統(tǒng)回答這些情感問題不再顯得有效。對此，Wiebe和Cardie等人首先實現(xiàn)了一個MPQA(Multi-Perspective Question Answering)系統(tǒng)，它沒有專門對問題進行分類，而只是簡單地采用人工的方法對情感問題和基于事實的問題進行手工標(biāo)識, 構(gòu)建了一個主觀性文本語料庫，通過分析和抽取語料庫中的情感信息片段，回答情感問題。Someasundaran和Wilson[1]等人在此基礎(chǔ)上，進一步對情感的類型體系進行細分。 接著，Yu和Hatzivassibloglou[2]分別在篇章層和句子層對情感分類做了研究。針對一個情感問題，他們試圖在文本中尋找與問題具有相同情感傾向的句子，然后根據(jù)這些情感句子產(chǎn)生答案，但是在情感問題分析方面，僅僅只是對情感問題的極性進行了分類。Kim和Hovy[3]專門對情感問答系統(tǒng)中句子的情感持有者識別做了研究。Lun-Wei Ku和Hsin-His Chen[4]等人基于TREC-11和NTCIR等語料實現(xiàn)了一個簡單的情感問答系統(tǒng)。

情感問題分析是情感問答系統(tǒng)中第一個處理步驟，它對于理解問題的關(guān)鍵信息、提高檢索速度、縮小答案范圍等具有重要的意義。由于對漢語的搜索技術(shù)研究開展地比較晚，再加上中文的復(fù)雜性，所以西方研究者所提出的一些方法與技術(shù)往往會“水土不服”。本文將重點研究非特定領(lǐng)域的情感問題分類，從語法、語義、領(lǐng)域等不同層面分析并定義情感問題的類型。在語法層面，采用漢語語法的疑問句式的分類標(biāo)準；在語義層面，利用關(guān)鍵字等特征進行分類；在領(lǐng)域?qū)用妫捎帽倔w等工具確定領(lǐng)域。在此基礎(chǔ)上建立情感問題類型體系。接著篩選區(qū)分情感問題和非情感問題的敏感特征，這些特征可以來源于不同的語言層面。在完成情感問題和非情感問題分類以后，針對情感問題，采用情感問題類型體系對它進行進一步分類，確定問題的關(guān)鍵信息(如命名實體)與預(yù)期候選答案的關(guān)系。

2 情感問題類型分類

一般采用基于示例的指導(dǎo)性學(xué)習(xí)進行問題分類時，都按照疑問短語來進行[5],其主要方法有以下幾種：統(tǒng)計方法、規(guī)則學(xué)習(xí)、樹方法以及神經(jīng)網(wǎng)絡(luò)方法等。其中最常用的是統(tǒng)計方法，其次是規(guī)則學(xué)習(xí)和樹方法，而神經(jīng)網(wǎng)絡(luò)方法較少用。

在本次實驗中，我們考慮從語法、語義、領(lǐng)域等層面分析并定義情感問題的類型。在語法層面，采用漢語語法的疑問句式的分類標(biāo)準；在語義層面，利用關(guān)鍵字等特征進行分類；在領(lǐng)域?qū)用?，可以采用本體等工具確定領(lǐng)域。并在此基礎(chǔ)上建立情感問題類型體系。針對情感問題，采用情感問題類型體系對它進一步分類，確定問題的關(guān)鍵信息和與預(yù)期候選答案的關(guān)系。

所以，總的來說，對于問題的分析，最終將有三部分組成：

a) 語義層面的一些關(guān)鍵詞；

b) 語法層面的不同疑問句類型的分類；

c) 領(lǐng)域?qū)用骖I(lǐng)域的確定。

2.1 語義層面

對于一般的文本來說，往往可以通過一些關(guān)鍵詞的搜索來進行語義層面的分類。但是問題分類有其特殊性，由于篇幅較小，一個問題不超過20個語素，所以往往其語義不容易判斷。而對于情感問題來說，它的問題覆蓋面更狹窄，情感問題往往是圍繞著一個情感表達事件來進行提問。因此只要將關(guān)于這個情感表達事件描述的關(guān)鍵詞抽取出來，那么，就可以了解整個情感表達事件的大致意思。通過對大量情感問題的觀察，我們認為主要有以下幾個關(guān)鍵詞：

(1) 情感詞(sentiment word)

對于絕大多數(shù)情感問題來說，帶有極性的形容詞或者動詞往往是表達情感和看法用的最多的語素。因為它帶有一定的情感傾向，而這些傾向則往往用來表達人對于事物的態(tài)度。本次實驗利用《知網(wǎng)》(HowNet)情感詞辭典來判斷情感詞。

值得一提的是，大多數(shù)情感詞具有兩種詞性，一為形容詞，另一為動詞。由于這兩種詞在句中的語法作用不同，所以往往要分開標(biāo)記。

(2) 主題詞(target)

在情感問題中，情感詞是用來修飾主題詞的，是為了對該主題表達一定的情感。在本次實驗中，主要利用我們實驗室已有的汽車主題庫進行搜索[6]。

(3) 持有者(holder)

在情感問題中，不同的人和團體對于相同的主題可能抱有不同的情感和看法，因此持有者也應(yīng)該作為一個關(guān)鍵詞。

由于持有者可以是任何人、組織或者團體，范圍很大，所以利用辭典不可能囊括。因此，還要加上語法上的判斷，比如動詞前面很有可能就是情感的持有者，特別是建議性動詞和情感動詞。所以對于這兩者前面的名詞、代詞，和一些專有名詞，都認為是情感持有者并提取出來。要注意的是，很多句子中會缺少情感持有者。

例如：吉普車安全嗎？

問題的情感持有者被省略了。通過分析，本次實驗中把情感持有者省略的狀況認為是對于“你”的提問。對于上例即看作“你認為吉普車安全嗎？”

2.2 語法層面

在本次實驗中對于情感問題分類的語法層面研究主要向英語語法借鑒[7]，將其分成兩大類，即一般疑問句和特殊疑問句。鑒于一般疑問句的回答比較簡單，所以不再細分。而特殊疑問句首先與上一節(jié)抽取到的三個關(guān)鍵詞相對應(yīng)。用英語來表示即為：情感詞對應(yīng)“how”，主題詞對應(yīng)“what”，持有者對應(yīng)“who”。同樣問原因“why”的特殊疑問句也可以放在情感問題的分類里面，但是對于“where”和“when”這兩個問地點和時間的特殊疑問詞，則將它們舍去，因為它們總是出現(xiàn)在非情感問題當(dāng)中，不在我們所討論的情感問題范疇之內(nèi)。

情感問題分類如表1所示。

表1 情感問題分類表

情感詞類：這類問題是詢問人或者團體對于某一事件或事物的看法，而這類問題回答的要點總是在于情感詞，表2是幾種基本的問句類型。

表2 情感詞類句式規(guī)則表

主題詞類：這類問題是詢問人或者團體什么事物或事件持有特定的看法，而這類問題回答的要點總是在于主題詞，表3是幾種基本的問句類型。

持有者類：這類問題是詢問哪些人或團體對某些事物或事件持有某種看法，而這類問題回答的要點總是在于持有者，表4是幾種基本的問句類型。

表3 主題詞類句式規(guī)則表

表4 持有者類句式規(guī)則表

原因類：這類問題是詢問情感事件表達的原因，而這類問題的回答要點總是在于理由，表5是幾種基本的問句類型。

表5 原因類句式規(guī)則表

一般疑問句類：在情感問題中，一般疑問句常常詢問某一情感表達事件的正確與否，而這類問題的答案一般只有兩種：正確或錯誤。表6是幾種基本的問句類型。

從上述五種疑問句類型中可以總結(jié)出幾點情感問題句式規(guī)律：

(1) 一般來說主題詞和情感詞的位置可以互換，且不影響句子的表達。

(2) 一般來說句子帶有持有者和建議性動詞的，兩者可以省略，不影響句子的表達。

(3) 疑問詞的不同和某種關(guān)鍵詞的缺失往往決定了句子的類型。

表6 一般疑問句句式規(guī)則表

2.3 領(lǐng)域?qū)用?/h3>

對情感問題的分析來看，決定這個問題是屬于哪個領(lǐng)域最關(guān)鍵的是主題詞。主題詞往往決定了情感所針對的對象，這個對象屬于哪個領(lǐng)域則這個情感問題也屬于該領(lǐng)域。在本次實驗中，利用Google來進行相關(guān)性的搜索。比如主題是“奔馳”，那么在Google中輸入“奔馳 汽車”，記錄其相關(guān)網(wǎng)頁數(shù)量，同時也輸入“奔馳 食物”，記錄其相關(guān)網(wǎng)頁數(shù)量，“汽車”和“食物”為領(lǐng)域。當(dāng)將主題詞和不同的領(lǐng)域的搜索引擎相關(guān)網(wǎng)頁數(shù)得到后，其中數(shù)值最大的領(lǐng)域便是這個主題的領(lǐng)域。對于問題的領(lǐng)域，并不是說要將其限定在某個領(lǐng)域中，而是將其歸納到某個領(lǐng)域中方便以后對答案進行篩選等步驟，對于問題本身沒有影響。

例如：對于主題“寶馬”的領(lǐng)域判斷，以下數(shù)據(jù)來源于www.google.com。

約有 19 100 000項符合 寶馬 汽車 的查詢結(jié)果

約有 9 730 000項符合 寶馬 食物 的查詢結(jié)果

約有 1 570 000項符合 寶馬 mp3 的查詢結(jié)果

可見寶馬與汽車的相關(guān)網(wǎng)頁最多，所以判斷寶馬屬于汽車領(lǐng)域。

3 系統(tǒng)介紹及實驗分析

從圖1來看，在語義、語法、領(lǐng)域三個方面，語義層次的分析最重要，它是一切的基礎(chǔ)，關(guān)鍵詞的標(biāo)注是另外兩步的基礎(chǔ)。而語法層面和領(lǐng)域?qū)用嬖谀玫秸Z義分析的結(jié)果后則可以分別獨立執(zhí)行，最后將三個部分的結(jié)果整合輸出。

圖1 情感問題分類流程圖

本次實驗對于每種疑問句類型準備20句左右的測試語料，并按難度將其分成三等，對整個情感問題分類系統(tǒng)進行測試，并且手工判斷其結(jié)果正確與否。最后的結(jié)果如表7所示。

從表7看來，本次實驗的結(jié)果一開始不是十分理想，仔細觀察一些錯位的句子，發(fā)現(xiàn)主要有以下幾個主要問題：

例1：哪些人覺得寶馬車是最舒適的跑車？

這句問題，系統(tǒng)的類型判斷正確，但是對于情感詞的提取則不夠精確，系統(tǒng)提取了“舒適”而不是“最舒適”，而“最”、“不”、“比較”這類副詞對于后續(xù)研究中對于答案的搜索有著至關(guān)重要的作用，所以應(yīng)該將情感形容詞前的副詞一并加入情感詞輸出。

例2: 為什么人們覺得奧迪漂亮安全？

該句疑問句分類正確，但是對于情感詞的提取不夠全面，系統(tǒng)提取了“漂亮”，但是“安全”則被忽略了。在情感問題中，常常有這一類問題，其主題擁有多個情感詞。應(yīng)該將并列的情感詞一起輸出。

表7 情感問題分類系統(tǒng)實驗結(jié)果

修改了以上一些問題之后，用新的系統(tǒng)來進行測試，結(jié)果有了很大的改善，對于簡單和中等的情感問題處理得比較理想。但是，對于困難的情感問題，處理起來仍有些吃力，主要是由于漢語隨意性較強，句型、詞性等在不同的情況下都可以有不同的變化。

4 結(jié)束語

本文對情感問題分類進行研究，從語義、語法和領(lǐng)域三個方面對其進行分類。語義上挑選出三種關(guān)鍵詞；在語法上，將問題分成五種類型，并制定相應(yīng)的規(guī)則，對其進行分類；在領(lǐng)域上，利用網(wǎng)絡(luò)搜索引擎得到結(jié)果進行分類。實驗的結(jié)果比較理想。經(jīng)過實驗，我們認為漢語情感問題分類最關(guān)鍵的部分還是在語法層面，如果能將每個詞在句子中所起到的作用分析清楚并且在系統(tǒng)中很好地加以識別，分類會方便很多。

綜上所述，可以看出：漢語情感問答系統(tǒng)作為一個新興的搜索引擎發(fā)展方向，對其的研究才剛剛起步，不管是理論上還是工程上，仍有很大的提升空間。

[1] SOMASUNDARAN S, WILSON T, WIEBE J, et al. QA with attitude: exploiting opinion type analysis for improving question answering in on-line discussions and the news[C]//Proceedings of the International Conference on Weblogs and Social Media. Boulder, Colorado,USA, 2007.

[2] YU H, HATZIVASSILOGLOU V. Towards answering opinion questions: separating facts from opinions and identifying the polarity of opinion sentences[C]//Proceedings of the 2003 Conference on Empirical Methods in Natural Language Processing. Sapporo, Japan, 2003: 129-136.

[3] Kim, S-M and Hovy, E. Identifying Opinion Holders for Question Answering in Opinion Texts[C]//Proceedings of AAAI-05 Workshop on Question Answering in Restricted Domains.2005.

[4] Lun-Wei Ku etc. Question Analysis and Answer Passage Retrieval for Opinion Question Answering Systems[C]//Computational Linguistics and Chinese Language Processing Vol.13,No.3, September 2008: 307-326.

[5] 鄭實福,劉挺，秦兵,等.自動問答綜述[J].中文信息學(xué)報,2002,16(6):46-52.

[6] 姚天昉，聶青陽，李建超，等. 一個用于漢語汽車評論的意見挖掘系統(tǒng)[C]//中文信息處理前沿進展-中國中文信息學(xué)會二十五周年學(xué)術(shù)會議論文集. 北京：清華大學(xué)出版社，2006，260-281.

[7] 張剛，劉挺，鄭實福,等.開放域中文問答系統(tǒng)的研究與實現(xiàn)[C]//哈爾濱工業(yè)大學(xué)信息檢索研究室論文集,第一卷,2003.