謝麗星，周 明，孫茂松

（1.智能技術(shù)與系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室；清華信息科學(xué)與技術(shù)國家實(shí)驗(yàn)室（籌）；清華大學(xué) 計(jì)算機(jī)系，北京100084；2.微軟亞洲研究院，北京100084）

1 引言

微博，是一種新的信息發(fā)布及社交網(wǎng)絡(luò)平臺(tái)。用戶注冊(cè)微博服務(wù)后，可以關(guān)注名人、結(jié)交朋友，還能隨意發(fā)表、回復(fù)及評(píng)論消息，來記錄生活、分享心情、表達(dá)觀點(diǎn)等。微博自問世以來，迅速吸引了大眾的眼光，蓬勃發(fā)展。以國內(nèi)的新浪微博①Available at http：／／weibo.com／為例，截止到2011年4月底，用戶數(shù)超過了1.4億。微博正在從各個(gè)方面滲透并影響人們的生活，包括大量的信息傳播、更快的信息發(fā)現(xiàn)、與世界的連接等。

微博消息數(shù)量大，更新快，吸引了一大批學(xué)者對(duì)其進(jìn)行研究。針對(duì)微博的自然語言處理研究已成為當(dāng)前一個(gè)新的研究熱點(diǎn)和前沿課題，而情感分析就是其中一個(gè)熱點(diǎn)話題。情感分析，也被稱為觀點(diǎn)挖掘、觀點(diǎn)分析、主客觀分析等。情感分析的目的是從文本中挖掘用戶表達(dá)的觀點(diǎn)以及情感極性。挖掘用戶觀點(diǎn)意義重大，既能吸引潛在用戶，幫助用戶做決策［1］，又能得到產(chǎn)品反饋［2］，還能對(duì)政治選舉等重大事件進(jìn)行預(yù)測(cè)。除此以外，情感分析的技術(shù)還有助于自然語言處理領(lǐng)域其他研究方面的發(fā)展，例如，自動(dòng)文本摘要［3］及問答系統(tǒng)［4］等。目前已經(jīng)有許多針對(duì)英文的（即新聞、博客、微博等）情感分析系統(tǒng)相繼問世［5－11］。在情感分析方面，主要使用的技術(shù)分兩大類：一類是采用情感詞典與規(guī)則相結(jié)合的方法，根據(jù)文本中所包含的正向情感詞和負(fù)向情感詞的個(gè)數(shù)來進(jìn)行情感分類；另一類是采用機(jī)器學(xué)習(xí)的方法，選擇文本中的一些特征，標(biāo)注訓(xùn)練集和測(cè)試集，使用樸素貝葉斯（Na?ve Bayes）、最大熵（Max Entropy）、支持向量機(jī)（Support Vector Machine）等分類器來進(jìn)行情感分類。

微博作為一種新型的消息傳遞方式，寫作簡潔，與傳統(tǒng)文本差異較大，主要表現(xiàn)在五個(gè)方面：①主題發(fā)散性。在傳統(tǒng)文本中，文本所涉及的內(nèi)容通常在同一主題下，主題較為集中，通篇會(huì)不斷的提到主題詞。但在微博中，主題較為發(fā)散。例如，這條微博“今天看了青蜂俠。我們后來還一起唱了KTV，真是開心的一天。”該微博中第一句的主題詞是“青蜂俠”，第二句涉及的內(nèi)容與“青蜂俠”無關(guān)。這是主題發(fā)散的表現(xiàn)；②省略成分的（主謂賓）。在傳統(tǒng)文本中，用戶使用的語法較為規(guī)范，而在微博中經(jīng)常會(huì)出現(xiàn)省略主語、賓語的現(xiàn)象，例如，“青蜂俠不錯(cuò)！真好看??！”該微博的第二句省略了主語“青蜂俠”；③省略上下文的（上下文隱含在其他的微博信息或者交互的信息中）。在微博中一條微博如果是回復(fù)某一條微博的內(nèi)容，由于是對(duì)話的形式，通常會(huì)省略掉主題。例如，一條微博是“鳳姐真討厭！”另一條回復(fù)該微博的微博是“確實(shí)如此?！边@兩條微博討論的都是“鳳姐”，但是第二條微博省略了“鳳姐”相關(guān)的上下文；④口語化：在微博中用戶經(jīng)常會(huì)使用時(shí)下流行的熱門詞，口語化的詞等，例如，“坑爹”，“神馬”，“不咋地”等；⑤包含鏈接、表情符號(hào)及標(biāo)簽等信息。微博中用戶經(jīng)常分享網(wǎng)頁鏈接，使用表情符號(hào)表征情感，也經(jīng)常給文本打上標(biāo)簽，標(biāo)簽可以反映主題。由于上述差別，使得微博情感分析任務(wù)更為復(fù)雜，也使得傳統(tǒng)文本的分析方法無法適用，例如，傳統(tǒng)文本中通常將一段文本內(nèi)容表達(dá)的情感視為針對(duì)同一主題，但是微博中可能是多主題，使用單一主題的情感分析技術(shù)可能會(huì)造成失誤；同時(shí)微博中口語化的詞較多，如果口語詞表達(dá)了情感，而傳統(tǒng)文本的分析方法無法識(shí)別這類情感，也會(huì)對(duì)情感分析造成影響。因此針對(duì)中文微博的情感分析方面的研究顯得尤為迫切和重要。

在微博情感分析中，目前英文微博相關(guān)的研究已經(jīng)有了一些進(jìn)展，例如，針對(duì)英文微博自身包含的屬性如表情符號(hào)，標(biāo)簽（hashtag）等作為特征對(duì)微博進(jìn)行情感分類，而針對(duì)微博的主題發(fā)散性，也有學(xué)者從主題無關(guān)和主題相關(guān)兩方面進(jìn)行分析。但到目前為止，針對(duì)中文微博的研究仍處于起步階段，而中文微博與英文微博有很大不同：英文微博限制用戶的輸入文本不超過140個(gè)字符，這通常是一個(gè)句子，包含7～10個(gè)英文單詞，涉及的主題和情感相對(duì)一致；而中文微博限制用戶的輸入文本不超過140個(gè)中文字符，這可以包含多個(gè)句子，每個(gè)句子涉及的主題可能不同，表達(dá)情感也可能不同。例如，在如下微博中“今天看了青蜂俠，很一般。場(chǎng)面一般，劇情一般。不過杰倫還是那樣帥?！边@條微博前兩句是對(duì)電影“青蜂俠”的負(fù)面評(píng)論，第三句是對(duì)青蜂俠的扮演者的正面評(píng)論，表達(dá)的主題和情感均不同。

本文主要研究中文微博的情感分析。由于此前相關(guān)研究并不多，我們?cè)谘芯恐薪梃b了普通文本情感分析的方法。在普通文本的情感分析方面，主要有兩類任務(wù)：主題無關(guān)的情感分析和主題相關(guān)的情感分析。主題無關(guān)的情感分析不需要考慮待分析文本的評(píng)價(jià)對(duì)象，給出一個(gè)情感極性即可；主題相關(guān)的情感分析需要考慮待分析文本的評(píng)價(jià)對(duì)象，給出待分析文本針對(duì)該評(píng)價(jià)對(duì)象的情感極性。受此啟發(fā)，本文將從主題無關(guān)和主題相關(guān)兩個(gè)方面抽取特征，并應(yīng)用于基于層次策略的中文微博情感分析。本文通過從新浪微博開放平臺(tái)提供的API①Available at http：／／open.t.sina.com.cn／wiki／index.php／Trends／statuses抓取一定規(guī)模的數(shù)據(jù)，對(duì)中文微博的情感分析進(jìn)行了研究。本文研究的輸入為給定主題詞及中文微博消息，如主題詞：“科比”，中文微波消息：“科比太酷了?。。。圩タ瘢荩蹛勰悖荨保惠敵鰹樵摋l微博消息針對(duì)該主題詞的情感，包括正向情感、負(fù)向情感、中性情感三種。對(duì)于該例，系統(tǒng)輸出為正向情感。針對(duì)中文微博的情感分析，本文采用了二步法，首先引入主題無關(guān)特征，即使用鏈接、表情符號(hào)、情感詞典、情感短語、上下文等特征訓(xùn)練SVM對(duì)中文微博進(jìn)行情感分類；然后進(jìn)一步引入主題相關(guān)的特征，即篩選微博中與主題相關(guān)的句子來進(jìn)一步提升效果。本文主要的貢獻(xiàn)有：①提出了基于層次結(jié)構(gòu)的多策略分析框架；②中文微博特征的研究：研究了鏈接、表情符號(hào)等特征對(duì)于中文微博的有效性；同時(shí)提出了微博消息的句子構(gòu)成特征。

本文的結(jié)構(gòu)組織如下：第二章簡單介紹相關(guān)工作；第三章闡述算法設(shè)計(jì)；第四章展示實(shí)驗(yàn)結(jié)果及相關(guān)分析；第五章簡單地討論本文與以往工作的區(qū)別；第六章是結(jié)論及下一步工作。

2 相關(guān)工作

微博，實(shí)時(shí)提供短消息的播放，作為數(shù)以億計(jì)用戶的日常信息溝通和人際交流的重要工具，已經(jīng)成為互聯(lián)網(wǎng)的新形態(tài)。關(guān)于微博的情感分析已成為時(shí)下熱門話題，一系列研究就此展開。本章節(jié)將從針對(duì)英文的情感分析和針對(duì)中文的情感分析兩方面的研究工作進(jìn)行介紹。

2.1 針對(duì)英文的情感分析

本節(jié)將從從主題無關(guān)的英文情感分析、主題相關(guān)的英文情感分析、英文微博的情感分析三個(gè)方面的研究工作來進(jìn)行介紹。

2.1.1 主題無關(guān)的情感

主題無關(guān)的情感分析是對(duì)指定文本給出情感極性，而不關(guān)心該情感極性所描述的對(duì)象。目前大多數(shù)情感分析方面的研究都是主題無關(guān)的，主要有三種方法：基于詞典的方法、有監(jiān)督的機(jī)器學(xué)習(xí)方法、無監(jiān)督的方法。

基于詞典的方法［12］。這類方法首先需要構(gòu)建一個(gè)情感詞典，主要包括正向情感詞和負(fù)向情感詞。然后利用情感詞典統(tǒng)計(jì)待分析的文本中的正向情感詞的數(shù)目和負(fù)向情感詞的數(shù)目。最后依據(jù)它們的差值來進(jìn)行情感極性的判定，即差值為正即為正向情感，差值為負(fù)為負(fù)向情感，差值為零為中性情感。情感詞典的方法的局限性在于無法解決未登錄詞的問題。

有監(jiān)督的機(jī)器學(xué) 習(xí) 方 法［5，13－14］。這 類 方 法 主 要是使用機(jī)器學(xué)習(xí)的模型，包括樸素貝葉斯（Na?ve Bayes）、最 大 熵 （Max Entropy）、支 持 向 量 機(jī)（Support Vector Machine）等來對(duì)文本進(jìn)行情感分析。Pang等人［5］的研究工作主要是對(duì)電影評(píng)論進(jìn)行情感極性的分類，分為正向情感和負(fù)向情感。該工作首先對(duì)待分析的文本進(jìn)行預(yù)處理，提取出若干特征，包含一元詞特征（unigram）、二元詞特征（bigram）、詞性標(biāo)注、詞的位置信息等，然后使用這些特征來訓(xùn)練模型，選用的方法有樸素貝葉斯、最大熵、支持向量機(jī)。實(shí)驗(yàn)結(jié)果表明，支持向量機(jī)的效果最為理想，且在選用一元詞特征時(shí)取得了最好的準(zhǔn)確率為83%。Li等人［14］對(duì)于評(píng)論數(shù)據(jù)，首先提出了用于情感二分類的 Dependency－Sentiment－LDA模型，它在情感分類的時(shí)候不僅考慮了情感詞所表達(dá)的話題語境，而且還考慮了情感詞的局部依賴關(guān)系。然后進(jìn)一步探討了情感多分類問題，提出了一種基于Tensor的評(píng)論分值預(yù)測(cè)方法?；谟斜O(jiān)督學(xué)習(xí)方法精度較高，缺陷是依賴于人工標(biāo)注語料庫，語料庫標(biāo)注存在不一致性問題。

無監(jiān)督的學(xué)習(xí)方法［15－16］。Turney 等人［16］對(duì)于手機(jī)、銀行、電影及旅游目的地相關(guān)的評(píng)論的情感分析工作。他們選定了兩個(gè)基本情感詞（正向詞：excellent，負(fù)向詞：poor），然后他們制定了一些模版來提取短語，使用PMI分別計(jì)算待分析的文本中這些短語與基本正向情感詞的關(guān)聯(lián)度（記為正向關(guān)聯(lián)度）和負(fù)向情感詞的關(guān)聯(lián)度（記為負(fù)向關(guān)聯(lián)度），根據(jù)正向關(guān)聯(lián)度與負(fù)向關(guān)聯(lián)度的差值來判定該文本的情感極性。無監(jiān)督的方法依賴于處理語料的領(lǐng)域范圍，存在著對(duì)基準(zhǔn)情感詞的依賴性問題，正確率較低。

2.2.2 主題相關(guān)的情感分析

主題相關(guān)的情感分析主要包括兩種方法，基于規(guī)則的方法和基于特征（或?qū)傩裕┑姆椒ā?/p>

基于規(guī)則的方法［17－18］。這類方法主要｀是對(duì)文本進(jìn)行預(yù)處理，包括詞性標(biāo)注、依存句法分析等，然后針對(duì)形容詞、動(dòng)詞、名詞等制定一些規(guī)則來對(duì)該文本判定情感極性。代表工作為Nasukawa和Yi［17］的工作。

基于特征（屬性）的方法［19］。這類工作除了需要對(duì)文本進(jìn)行情感極性的判定，還需要按照產(chǎn)品的屬性進(jìn)行歸類。代表工作為Hu和Liu［19］針對(duì)用戶對(duì)在線產(chǎn)品的評(píng)論進(jìn)行的情感分析工作。他們的方法主要包含三步。首先識(shí)別出用戶評(píng)論中涉及的產(chǎn)品屬性；其次針對(duì)每個(gè)屬性，得出評(píng)論中包含的正向情感和負(fù)向情感的內(nèi)容；最后將屬性與對(duì)應(yīng)情感極性的內(nèi)容按某種形式輸出。

2.2.3 針對(duì)英文微博的情感分析

對(duì)于微博的情感分析的研究主要是針對(duì)Twitter①Available at twitter.com上的消息Tweets而言的，本節(jié)將從主題無關(guān)和主題相關(guān)兩方面進(jìn)行介紹。

主題無 關(guān) 的 情 感 分 析［10，20－22］。Davidiv等 人［20］使用Tweets中的標(biāo)簽、表情符號(hào)等作為特征，訓(xùn)練了一個(gè)類似KNN的分類器來進(jìn)行情感極性的分類；Barbosa和Feng［10］利用一些網(wǎng)站（即 Twendz、Twitter Sentiment、TweetFeel）對(duì)于 Tweets所提供的情感分析的結(jié)果作為訓(xùn)練數(shù)據(jù)，然后選用一些特征，采用二步分類法來對(duì)Tweets進(jìn)行分類，即先對(duì)Tweets進(jìn)行主客觀分類，然后再在被分為主觀的Tweets中進(jìn)行正、負(fù)向情感分類。

主 題 相 關(guān) 的 情 感 分 析。Jiang 等 人［11］對(duì)Tweets的情感分類采用二步分類法，首先對(duì)Tweets進(jìn)行主、客觀分類，然后再對(duì)被分為主觀的Tweets進(jìn)行正、負(fù)向情感分類。與其他工作不同的是，Jiang等人在分類時(shí)除了考慮了主題詞，還對(duì)主題詞進(jìn)行了擴(kuò)展，引入了主題相關(guān)的特征，此外還考慮Tweets間的轉(zhuǎn)發(fā)關(guān)系，采用圖模型的方法提升效果。未使用圖模型之前，系統(tǒng)取得的最好準(zhǔn)確率為66%，引入圖模型之后，系統(tǒng)的準(zhǔn)確率提升到68.3%。

2.2 針對(duì)中文的情感分析

目前針對(duì)中文的情感分析主要集中在NTCIR②Available at http：／／research.nii.ac.jp／ntcir／和COAE③Available at http：／／www.ir－china.org.cn／Information.html兩個(gè)評(píng)測(cè)上。

NTCIR是由日本情報(bào)信息研究所于2002年主辦的針對(duì)亞洲語言的跨語言信息檢索評(píng)測(cè)會(huì)議。該評(píng)測(cè)主要包括六項(xiàng)任務(wù)，主客觀判別、相關(guān)性判別、觀點(diǎn)持有對(duì)象抽取、觀點(diǎn)評(píng)價(jià)對(duì)象抽取、情感極性判別、問答系統(tǒng)。在NTCIR－08中，針對(duì)繁、簡體中文，在主客觀判別及情感極性判別這兩項(xiàng)任務(wù)，評(píng)測(cè)的最好結(jié)果見表1。

表1 NTCIR－08中情感極性判別的最好結(jié)果

COAE由中國中文信息學(xué)會(huì)信息檢索專業(yè)委員會(huì)從2008年開始舉辦。每屆評(píng)測(cè)國內(nèi)外大約有20多家科研單位參加。該評(píng)測(cè)主要包含五項(xiàng)任務(wù)，情感詞的識(shí)別及分類、情感句的識(shí)別及分類、觀點(diǎn)句抽取、觀點(diǎn)評(píng)價(jià)對(duì)象抽取、觀點(diǎn)檢索。在COAE－09中，極性判別的最好結(jié)果見表2。

表2 COAE－09中情感極性判別的最好結(jié)果

總的來說，中文的情感分析方法與英文類似，大致有兩種。

① 有監(jiān)督的機(jī)器學(xué)習(xí)方法［23］。Zhao等人［23］基于CRF模型引入“冗余特征”來研究情感分類問題，Zhou等人?；赟VM模型來進(jìn)行主客觀及情感極性分類；

② 組合方法［25］。Li等人［25］研究了該文具體研究四種不同的分類方法在中文情感分類上的應(yīng)用，同時(shí)考慮到不同領(lǐng)域需要選擇不同基分類方法才能獲得更好的分類結(jié)果，采用一種基于Stacking的組合分類方法，用以組合不同的分類方法。

目前針對(duì)中文的情感分析較針對(duì)英文的情感分析無論從資源還是方法上來說都要相對(duì)初步一些。目前中文的情感分析主要存在以下問題。

① 中文需要分詞，分詞錯(cuò)誤會(huì)對(duì)情感分析產(chǎn)生影響，例如，“英雄難過美人關(guān)”中的“難過”；

②中文情感詞典構(gòu)建的難點(diǎn)?，F(xiàn)在很多情感詞典都僅為每個(gè)詞條賦予一種情感極性，但是中文詞較為復(fù)雜，在不同的語境下同樣的詞有不同的含義或情感色彩，如“黑馬”，一般認(rèn)為黑馬是黑色的馬，但在某些語境下比喻實(shí)力難測(cè)的競爭者或出人意料的優(yōu)勝者，含褒義色彩，這使得如何構(gòu)建一個(gè)較好的情感詞典成為一個(gè)問題；

③ 中文存在一些難點(diǎn)目前尚無較好的解決方案，如“反諷”、“褒義貶用”和“貶義褒用”；

④ 中文情感分析主要使用句內(nèi)特征進(jìn)行分析，而句間特征，篇章特征尚未得到充分應(yīng)用；

3 算法設(shè)計(jì)

這章我們將介紹三種方法，分別是基于表情符號(hào)、情感詞典、SVM的層次結(jié)構(gòu)的多策略方法。

3.1 基于表情符號(hào)的規(guī)則方法

本文針對(duì)新浪微博提供的表情符號(hào)進(jìn)行了正、負(fù)向表情符號(hào)的分類，然后對(duì)于待分析的文本，從中提取中正、負(fù)向表情符號(hào)，依據(jù)公式（1）進(jìn)行情感極性的分類：

3.2 基于情感詞典的規(guī)則方法

情感詞是情感極性判定中較為重要的考量依據(jù)。本文借鑒了傳統(tǒng)的情感分析的方法，選取了常用的正、負(fù)向情感詞構(gòu)建了情感詞典。在構(gòu)建詞典時(shí)，我們只選用了在任何情況下都絕對(duì)表征正、負(fù)向情感的詞，如正向情感詞“喜歡”、負(fù)向情感詞“憎恨”。然后將待分析的文本進(jìn)行了分詞處理，依據(jù)該情感詞典從中提取出正、負(fù)向情感詞，依據(jù)公式（2）進(jìn)行情感極性的分類。

3.3 基于層次結(jié)構(gòu)的多策略分析框架

3.3.1 方法介紹

本文提出了基于層次結(jié)構(gòu)的多策略分析框架，見圖1（下頁）。使用的分類工具是SVM（Support Vector Machine），中文名為支持向量機(jī)，是由Vapnik等人提出的一種非常有潛力的學(xué)習(xí)技術(shù)，是一種基于統(tǒng)計(jì)機(jī)器學(xué)習(xí)理論的模式識(shí)別方法，主要用于模式識(shí)別領(lǐng)域。本文使用的SVM工具是由臺(tái)灣大學(xué)林智仁 （Chih－Jen Lin）博士等開發(fā)的一套支持向量機(jī)算法庫libsvm①C.－C.Chang and C.－J.Lin.LIBSVM ：a library for support vector machines.Available at http：／／www.csie.ntu.edu.tw／～cjlin／libsvm／.。

表3 中文微博消息包含不同情感極性句子的示例

在前人針對(duì)英文微博的研究工作中，由于英文微博消息文本長度被限制在140個(gè)英文字符，這通常是一個(gè)句子，包含7～10個(gè)英文單詞，因此之前的所有工作都是將一條微博消息當(dāng)做一個(gè)整體來進(jìn)行訓(xùn)練和測(cè)試。通過觀察中文微博數(shù)據(jù)數(shù)據(jù)，我們發(fā)現(xiàn)中文微博文本長度被限制在140個(gè)中文字符，它可以包含多個(gè)句子，與英文微博相比語義更豐富，句與句之間的情感極性不盡相同。如表3所示，針對(duì)主題詞“青蜂俠”的微博消息共包含三句，首句的情感極性是負(fù)向情感，第二句是中性情感，第三句是正向情感。如果將不同極性的句子作為一個(gè)整體賦予一種極性，也許會(huì)影響訓(xùn)練效果。因此在使用SVM對(duì)微博消息進(jìn)行文本分類時(shí)，基于分句與不分句的考量分為兩大類策略，共四種方法，見圖1（下頁）。

下面我們對(duì)這兩大類策略、四種方法進(jìn)行簡單介紹。

①一步三分類。從微博消息中提取極性分類特征，然后根據(jù)每條微博的正、負(fù)、中性情感標(biāo)簽，直接訓(xùn)練一個(gè)三分類的SVM分類器，對(duì)微博消息三分類；

② 二步分類。先從微博消息中提取主、客觀分類特征，根據(jù)每條微博的主、客觀標(biāo)注情況，訓(xùn)練主、客觀分類的SVM分類器，先對(duì)微博消息進(jìn)行主、客觀分類；然后對(duì)于分為主觀的微博消息，再從微博消息中提取極性分類特征，根據(jù)每條微博的正、負(fù)向情感標(biāo)簽訓(xùn)練正、負(fù)向情感的SVM分類器，進(jìn)一步將主觀的微博消息分為正、負(fù)向情感；

圖1 基于層次結(jié)構(gòu)的多策略情感分析框架

第二類：分句，將一條中文微博消息使用程序自動(dòng)拆分成若干個(gè)句子，然后將針對(duì)每個(gè)句子進(jìn)行訓(xùn)練，有兩類方法。

①句子組成規(guī)則分類。首先使用上述兩種方法中的最佳方法訓(xùn)練SVM分類器得到每一條微博消息中每個(gè)句子的情感極性，然后根據(jù)正、負(fù)向句子的個(gè)數(shù)，依據(jù)公式（3）對(duì)微博消息進(jìn)行三分類；

②句子組成SVM分類。首先使用上述兩種方法中的最佳方法訓(xùn)練SVM分類器得到每一條微博消息中每個(gè)句子的情感極性，然后選取微博消息的句子構(gòu)成特征，結(jié)合每條微博的情感極性再次訓(xùn)練SVM，將每條微博進(jìn)行三分類。

3.3.2 主題無關(guān)的特征抽取

選取2016年7月～2018年5月在我院接急診PCI術(shù)治療的急性心肌梗死伴泵衰竭的高?；颊?8例作為研究對(duì)象。入選標(biāo)準(zhǔn)：所有患者均符合ST段抬高型心肌梗死（STEMI）診斷標(biāo)準(zhǔn)、泵功能衰竭Killip分級(jí)Ⅱ～Ⅳ級(jí)者；行急診PCI術(shù)者；排除標(biāo)準(zhǔn)：腫瘤，肝、腎和血管等嚴(yán)重器質(zhì)性疾病者，有心臟手術(shù)史者。依據(jù)護(hù)理方式差異將其分為試驗(yàn)組和對(duì)照組。其中，試驗(yàn)組男14例，女6例，年齡46～81歲，平均年齡（62.1±3.6）歲；對(duì)照組男21例，女7例，年齡45～80歲，平均年齡（65.1±2.7）歲。

在上一節(jié)中，涉及三類特征，主、客觀分類特征、極性分類特征、微博消息的句子構(gòu)成特征，這里將一一詳述。

（1）主、客觀分類特征（表4）。情感短語特征指的是“有意思”，“沒文化”這類短語，它們的特點(diǎn)是中心詞“意思”和“文化”本身是中性，但是前面出現(xiàn)了“有”、“無”這一類修飾詞就含有極性色彩了。

（2）極性分類特征（表5）。

（3）微博消息的句子構(gòu)成特征（表6）。考慮到中國人書寫文章時(shí)“開門見山”的習(xí)慣，以及“首尾呼應(yīng)”的句式，因此除了考慮正、負(fù)、中性情感句子數(shù)目以外，這里還考慮了首句、尾句的情感極性。

表4 主、客觀分類特征

表5 極性分類特征

表6 微博消息的句子構(gòu)成特征

3.3.3 主題相關(guān)的特征抽取

通過觀察，我們發(fā)現(xiàn)中文微博消息不像電影、產(chǎn)品評(píng)論那樣集中一個(gè)主題討論，微博消息中存在著大量的主題發(fā)散及省略現(xiàn)象。如表7所示，針對(duì)主題詞“將愛情進(jìn)行到底”的微博消息共包含5個(gè)句子。首先句子1和句子2涉及的主題與主題詞“將愛情進(jìn)行到底”無關(guān)，這說明該消息存在主題發(fā)散的情況。其次句子3、4、5是針對(duì)主題詞“將愛情進(jìn)行到底”的，除了句子4是明確包含主題詞的，句子3中的“電影”指代的是“將愛情進(jìn)行到底”，句子5中省略了主語“將愛情進(jìn)行到底”，這說明該消息存在省略主題詞的情況。

表7 中文微博消息中的主題發(fā)散及省略示例

因此，在使用微博消息的句子構(gòu)成特征時(shí)，在篩選句子的時(shí)候，需要進(jìn)行主題相關(guān)的句子的篩選，具體考慮以下三種情況。

① 僅考慮包含主題詞的句子的情感極性；

② 零指代的情況。對(duì)于微博中的一個(gè)句子，如果它不包含任何名詞性短語和代詞，即認(rèn)為它表達(dá)的情感是針對(duì)上一句的對(duì)象，如上一句包含主題詞，則也應(yīng)該考慮該句的情感極性；

③ 對(duì)于構(gòu)成微博消息的每個(gè)句子，先識(shí)別出句子中的情感詞或情感短語，記為位置i，看在窗口distance個(gè)詞范圍內(nèi)，即［i－distance，i＋distance］中是否出現(xiàn)主題詞，如出現(xiàn)主題詞則認(rèn)為該句與主題相關(guān)。

4 實(shí)驗(yàn)結(jié)果及相關(guān)分析

4.1 實(shí)驗(yàn)設(shè)置

本文使用新浪提供的API抓取了影視、名人、產(chǎn)品三個(gè)領(lǐng)域，共六個(gè)主題的數(shù)據(jù)，最后每個(gè)主題選取了1 000條微博消息進(jìn)行標(biāo)注，結(jié)果見表8。

評(píng)測(cè)方法選用的是五折交叉驗(yàn)證（five－fold cross－validation）。評(píng)測(cè)指標(biāo)主要使用的是準(zhǔn)確率，即5次迭代正確分類的總數(shù)除以原始數(shù)據(jù)中的元組總數(shù)。

表8 中文微博消息中的主題發(fā)散及省略示例

4.2 實(shí)驗(yàn)結(jié)果及分析

（1）我們首先對(duì)于三種方法進(jìn)行比較，實(shí)驗(yàn)結(jié)果見表9。

表9 中文微博消息中的主題發(fā)散及省略示例

分析：從表8可以看出，基于SVM的方法效果最好，基于表情符號(hào)的規(guī)則方法略好于基于情感詞典的方法，準(zhǔn)確率均在56%左右。

（2）SVM相關(guān)的實(shí)驗(yàn)

① 方法比較：這里我們對(duì)3.3.1節(jié)中提到的四種方法進(jìn)行比較。從表10可以看出，一步三分類方法要比二步分類方法高出1.5個(gè)百分點(diǎn)。因此在后續(xù)實(shí)驗(yàn)得到句子級(jí)別的情感極性時(shí)采用一步三分類法進(jìn)行訓(xùn)練和測(cè)試。從表11可以看出，采用句子組成SVM分類法效果好于句子組成規(guī)則分類方法。

表10 一步三分類與二步分類的效果比較

表11 句子組成規(guī)則和句子組成SVM分類方法的效果比較

②主題無關(guān)的特征比較。這里我們僅對(duì)極性特征、微博消息的句子構(gòu)成特征進(jìn)行比較分析。對(duì)于極性特征，從表12可以得出兩點(diǎn)結(jié)論：（a）從有效性來看，上下文＞情感詞典＞表情＞情感短語，引入鏈接特征后效果反而變差；（b）最佳特征組合：表情＋情感＋情感短語＋上下文。

表12 極性分類特征的效果比較

對(duì)于微博消息的句子構(gòu)成特征，從表13中可以得出兩點(diǎn)結(jié)論：（a）從有效性來看，三種情感極性句子數(shù)目＞尾句情感極性＞首句情感極性；（b）最佳特征組合：首句極性＋尾句極性＋三種情感極性句子數(shù)目。

表13 微博消息的句子構(gòu)成特征的效果比較

綜上所述，在僅考慮主題無關(guān)的特征時(shí)，為達(dá)到最佳效果，“最佳組合”為，整體的方法選擇句子組成SVM分類，句子組成特征選擇首句極性特征＋尾句極性特征＋三種情感極性句子數(shù)目特征；在對(duì)單個(gè)句子進(jìn)行分類時(shí)選擇一步三分類方法，特征選擇表情特征＋情感詞典特征＋情感短語特征＋上下文特征。

我們采用“最佳組合”對(duì)數(shù)據(jù)進(jìn)行了訓(xùn)練測(cè)試，得到結(jié)果見表14。從表14中可以看出，主題無關(guān)的最佳方法的總體準(zhǔn)確率達(dá)到了66.467%。根據(jù)準(zhǔn)確率從高到低排序，各個(gè)領(lǐng)域依次為：名人＞影視＞產(chǎn)品。通過對(duì)數(shù)據(jù)進(jìn)行分析，我們得到了以下三點(diǎn)原因。

①名人。用戶對(duì)名人發(fā)表觀點(diǎn)的時(shí)候使用的表達(dá)較為單一；

② 影視。用戶關(guān)注的主題更為發(fā)散，如主角、畫面等，分類時(shí)比名人要難；

③ 產(chǎn)品。由于產(chǎn)品包含不同的型號(hào)，公司，而且產(chǎn)品的屬性（如屏幕、信號(hào)等）非常多，分類問題更為復(fù)雜。

表14 主題無關(guān)特征最佳組合的效果

同時(shí)，針對(duì)主題無關(guān)的實(shí)驗(yàn)，我們還進(jìn)行了正、負(fù)、中向情感的精確率和召回率的統(tǒng)計(jì)，見表15。表中顯示從評(píng)測(cè)指標(biāo)來看，中性情感＞正向情感＞負(fù)向情感。這跟標(biāo)注數(shù)據(jù)中各種情感極性的消息數(shù)目比例成正比。

表15 主題無關(guān)特征最佳組合下各種情感的精確率和召回率

進(jìn)一步，我們對(duì)于主題無關(guān)特征最佳組合的錯(cuò)誤類型進(jìn)行了分析，結(jié)果見表16。

表16 主題無關(guān)特征最佳組合下的錯(cuò)誤類型

③主題相關(guān)的特征比較。首先我們考慮僅包含主題詞的句子及零指代的情況，見表17，從中可以看出引入零指代后，效果提升了約0.1%，比主題無關(guān)的最好效果（66.467%）提升了1%左右。

表17 主題相關(guān)特征的效果比較

其次，考慮距離窗口方法，得到圖2。由圖可知，考慮距離窗口在距離為30的時(shí)候最佳，此時(shí)退化到僅包含主題詞的情況。

圖2 不同距離范圍內(nèi)包含主題詞的結(jié)果

最后，我們對(duì)于引入主題相關(guān)特征后的系統(tǒng)進(jìn)行了錯(cuò)誤分析，發(fā)現(xiàn)主要有兩類錯(cuò)誤。

① 包含主題詞的句子表達(dá)的情感未必是針對(duì)該主題詞的情感，如當(dāng)主題詞為“青蜂俠”時(shí)，微博消息“致命伴旅比青蜂俠好看多了！”中的“好看”指的是“致命伴旅”；

② 指代情況較豐富，包括省略賓語，如“青蜂俠。我覺得挺好看的?！?；首句省略主語，如“恩恩，不錯(cuò)哦！青蜂俠。”；句子未涉及主題詞，但涉及主題詞的屬性，如“今天去看了青蜂俠。畫面挺炫?！?，“畫面”是電影“青蜂俠”的一個(gè)屬性。

5 討論

目前針對(duì)中文微博的研究仍處于起步階段，尚未有關(guān)于中文微博情感分析方面的研究工作。本文針對(duì)中文微博的情感分析進(jìn)行了初步探討。與中文傳統(tǒng)文本情感分析工作相比，本文針對(duì)中文微博自身特點(diǎn)，相對(duì)于傳統(tǒng)文本考慮將微博的特有屬性如連接、表情符號(hào)等作為特征，同時(shí)考慮了微博中簡單的省略現(xiàn)象，從而更好地進(jìn)行情感分析；與英文微博的情感分析工作相比，由于英文微博通常只有一句，已有工作均將一條微博作為一個(gè)整體賦予情感極性來進(jìn)行訓(xùn)練和測(cè)試，本文考慮到中文微博比英文微博語義更豐富，包含的句子數(shù)目更多，且句與句之間涉及的主題及情感可能不同，分別從微博級(jí)別和句子級(jí)別兩方面來探討了情感分析的效果，實(shí)驗(yàn)結(jié)果證明句子級(jí)別的效果更佳。

6 結(jié)論及下一步工作

近年來，微博在國內(nèi)外強(qiáng)勢(shì)崛起，成為時(shí)下焦點(diǎn)。本文通過使用新浪提供的API抓取一定規(guī)模的微博數(shù)據(jù)，并根據(jù)中文微博的特點(diǎn)，提出了基于層次結(jié)構(gòu)的多策略情感分析框架，包括考慮分句與不分句的策略，并對(duì)微博的屬性，如鏈接、表情符號(hào)、情感詞典等進(jìn)行了特征選擇。此外，本文還采用基于表情符號(hào)的規(guī)則方法和情感詞典方法進(jìn)行分類。通過比較實(shí)驗(yàn)，我們發(fā)現(xiàn)與后兩種方法相比，基于層次結(jié)構(gòu)的多策略情感分析框架可以取得更好的分類效果。其中，在主題無關(guān)特征下取得的最好效果是66.467%，考慮主題相關(guān)特征后取得的最好效果為67.283%。

目前，本系統(tǒng)仍有很大的提升空間。后續(xù)，我們將考慮如下工作來進(jìn)一步提升實(shí)驗(yàn)效果。

① 構(gòu)建網(wǎng)絡(luò)用語詞典，針對(duì)這類型的詞，由于無法借助現(xiàn)有的分詞系統(tǒng)，需要采用新算法匹配識(shí)別，包括否定轉(zhuǎn)移的處理；

② 更深入地研究主題相關(guān)的特征。例如，考慮引入句法分析及更好的指代消解技術(shù)來處理復(fù)雜的指代情況；

③ 考慮引入社交網(wǎng)絡(luò)關(guān)系或者消息與消息之間的關(guān)系來構(gòu)建圖模型提升結(jié)果。

［1］M.Q. Hu， B. Liu. Mining and Summarizing Customer Reviews［C］／／ACM SIGKDD 2004：168－177.

［2］Bo Pang，Lillian Lee.Opinion mining and sentiment analysis［C］／／Foundations and Trends in Information Retrieval，2（1－2）：1－135.

［3］M.Q. Hu，B.Liu.Opinion Extraction and Summarization on the Web［C］／／AAAI06，Boston：1621－1624.

［4］H.Yu，V.Hatzivassiloglou.Towards Answering Opinion Question：Separating Facts from Opinions and Identifying the Polarity of Opinion Sentences［C］／／EMNLP'03：129－136.

［5］Bo Pang，Lillian Lee，Shivakumar Vaithyanathan.Thumbs up？sentiment classification using machine learning techniques［C］／／ACL'02：79－86.

［6］Bo Pang， Lillian Lee. A sentimental education：Sentiment analysis using subjectivity summarization based on minimum cuts［C］／／ACL'04：271－278.

［7］E.Riloff，J. Wiebe.2003.Learning extraction patterns for subjective expressions［C］／／EMNLP'03：105－112.

［8］Glance，N.，M.Hurst，K.Nigam，et al.2005.Deriving marketing intelligence from online discussion［C］／／SIGKDD'05：419－428.

［9］Wilson，T.，J. Wiebe，P. Hoffmann.2005.Recognizing contextual polarity in phrase－level sentiment analysis［C］／／HLT－EMNLP'05：347－354.

［10］Luciano Barbosa， Junlan Feng. 2010. Robust Sentiment Detection on Twitter from Biased and Noisy Data［C］／／Coling 2010（poster paper）：36－44.

［11］Long Jiang，Mo Yu，Ming Zhou，et al.Targetdependent Twitter Sentiment Classification［C］／／ACL 2011.

［12］Lun－Wei Ku，Tung－Ho Wu，Li－Ying Lee，et al.2005.Construction of an Evaluation Corpus for Opinion Extraction［C］／／In NTCIR－5Japan，2005：513－520.

［13］S.Dasgupta，V.Ng.Mine the Easy，Classify the Hard：A Semi－Supervised Approach to Automatic Sentiment Classification［C］／／ACL'09：701－709.

［14］Fangtao Li， Nathan Liu， Hongwei Jin，et al.Incorporating Reviewer and Product Information for Review Rating Prediction［C］／／IJCAI 2011.

［15］V.Hatzivassiloglou，J.Wiebe.Effects of adjective orientation and gradability on sentence subjectivity［C］／／COLING'00：299－305.

［16］P.Turney.2002.Thumbs up or thumbs down Semantic Orientate－on Applied to Unsupervised Classification of reviews［C］／／ACL'02：417－424.

［17］Tetsuya Nasukawa，Jeonghee Yi.2003.Sentiment Analysis：Capturing Favorability Using Natural Language Processing［C］／／Proceedings of the 2nd International Conference on Knowledge Capture：70－77.

［18］Xiaowen Ding，Bing Liu.2007.The Utility of Linguistic Rules in Opinion Mining［C］／／SIGIR－2007（poster paper），811－812.

［19］Minqing Hu，Bing Liu.Mining and summarizing customer reviews［C］／／KDD－2004 （full paper），Seattle，Washington，USA，Aug 22－25，pp.168－177.

［20］Dmitry Davidiv， Oren Tsur， Ari Rappoport.Enhanced Sentiment Learning Using Twitter Hashtags and Smileys［C］／／Coling 2010 （poster paper），pp.241－249.

［21］Alec Go，Richa Bhayani，Lei Huang.2009.Twitter Sentiment Classification using Distant Supervision［R］.Technical report，Stanford Digital Library Technologies Project.

［22］Ravi Parikh， Matin Movassate.2009.Sentiment Analysis of User－Generated Twitter Updates using Various Classification Techniques［R］.CS224NFinal Report：1－18.

［23］Zhao Jun，Liu Kang，Wang Gen.Adding Redundant Features for CRFs－based Sentence Sentiment Classification［C］／／EMNLP 2008：117－126.

［24］Lanjun Zhou，Yunqing Xia，Binyang Li et al.WIAOpinmine System in NTCIR－8MOAT Evaluation［C］／／NTCIR－8Workshop Meeting，2010.

［25］李壽山，黃居仁.基于Stacking組合分類方法的中文情感分類研究［J］.中文信息學(xué)報(bào)，2010，24（5）：56－61.