姚源林，王樹偉，徐睿峰，劉 濱，桂 林，陸 勤，王曉龍

(1. 哈爾濱工業(yè)大學(xué) 深圳研究生院，廣東 深圳 518055；2.香港理工大學(xué) 電子計(jì)算學(xué)系， 香港 九龍)

1 引言

文本情緒的識(shí)別與分類在文本傾向性分析、輿情分析、事件預(yù)測(cè)等領(lǐng)域都有著廣泛的應(yīng)用。其識(shí)別過(guò)程中涉及到了情緒心理學(xué)、認(rèn)知心理學(xué)、生活常識(shí)、輿論導(dǎo)向等諸多因素，加之機(jī)器學(xué)習(xí)、統(tǒng)計(jì)方法等不同的研究手段，正使得文本情緒計(jì)算成為自然語(yǔ)言處理領(lǐng)域的新熱點(diǎn)。作為相關(guān)研究的基礎(chǔ)，遵循統(tǒng)一的標(biāo)注規(guī)范下標(biāo)注的情緒語(yǔ)料庫(kù)對(duì)具體的語(yǔ)言現(xiàn)象分析以及情緒分類算法的設(shè)計(jì)和評(píng)估都有重要意義。

目前，國(guó)內(nèi)外在情緒標(biāo)注語(yǔ)料庫(kù)的構(gòu)建上取得了一定的進(jìn)展。Mishne利用LiveJournal博客系統(tǒng)中作者自行標(biāo)注發(fā)布博客時(shí)的情緒信息，構(gòu)建了一個(gè)包含815 494篇博客的英文情緒標(biāo)注語(yǔ)料庫(kù)[1]。該語(yǔ)料庫(kù)標(biāo)注了132種情緒類別，例如,開(kāi)心、生氣等。Ptaszynski等人對(duì)50億字的日語(yǔ)博客進(jìn)行了情緒標(biāo)注[2]。該語(yǔ)料庫(kù)采用了10種情緒類別標(biāo)注，此外還標(biāo)注了情緒符號(hào)、情感極性等。在中文情緒語(yǔ)料庫(kù)的構(gòu)建方面，Quan C.等人提出了一套細(xì)粒度的文本情緒標(biāo)注方案，該方案采用8種基本情緒類別，對(duì)1 487篇博客進(jìn)行文檔級(jí)、段落級(jí)以及句子級(jí)三個(gè)層次的情緒標(biāo)注[3]。徐琳宏等在小學(xué)教材(人教版) 、電影劇本、童話故事、文學(xué)期刊等語(yǔ)料上進(jìn)行了句子級(jí)別的情緒標(biāo)注，采用了7大類，22小類的情緒分類體系，完成近4萬(wàn)句, 100萬(wàn)字的語(yǔ)料標(biāo)注[4]。相對(duì)于情緒標(biāo)注語(yǔ)料庫(kù)，情感傾向性標(biāo)注語(yǔ)料庫(kù)的構(gòu)建則相對(duì)較為成熟。Xu R.F等人針對(duì)中文產(chǎn)品評(píng)價(jià)中傾向性表達(dá)特點(diǎn)，設(shè)計(jì)了一套細(xì)粒度傾向性標(biāo)注方案，分別在詞語(yǔ)級(jí)、句子級(jí)和文檔級(jí)進(jìn)行標(biāo)注。對(duì)于每一個(gè)傾向性評(píng)價(jià)，分別標(biāo)注了觀點(diǎn)表達(dá)及其對(duì)應(yīng)的產(chǎn)品屬性。同時(shí)，引入領(lǐng)域本體對(duì)評(píng)價(jià)目標(biāo)屬性進(jìn)行了概念化規(guī)約[5]。Pak A.等人利用來(lái)源于推特(Twitter)的微博建立一個(gè)包含了正負(fù)面情感的主觀文本語(yǔ)料庫(kù)[6]。

目前情緒標(biāo)注語(yǔ)料庫(kù)構(gòu)建在國(guó)內(nèi)外取得了一定進(jìn)展，但中文微博文本情緒語(yǔ)料庫(kù)構(gòu)建仍處于初級(jí)階段。由于微博文本長(zhǎng)度較短，表達(dá)較為口語(yǔ)化，網(wǎng)絡(luò)用語(yǔ)較多，與博客等長(zhǎng)文本的情緒表達(dá)方式有著較大的差異，導(dǎo)致現(xiàn)有的面向長(zhǎng)文本的情緒標(biāo)注規(guī)范不完全適應(yīng)微博情緒標(biāo)注的需要。因此，結(jié)合微博文本特點(diǎn)設(shè)計(jì)情緒標(biāo)注規(guī)范，并構(gòu)建面向微博短文本的情緒標(biāo)注語(yǔ)料庫(kù)是十分必要的。

本文選取新浪微博文本作為基礎(chǔ)語(yǔ)料進(jìn)行標(biāo)注。相較于其他語(yǔ)料庫(kù)，本語(yǔ)料在選取時(shí)充分考慮了中文微博文本的結(jié)構(gòu)、語(yǔ)法和表達(dá)特點(diǎn)，諸如表達(dá)口語(yǔ)化、情緒多樣化、情緒轉(zhuǎn)移多、事件及領(lǐng)域覆蓋面廣等，從而以符合日常人們表達(dá)習(xí)慣的特點(diǎn)出發(fā)選取數(shù)據(jù)并建立標(biāo)注語(yǔ)料庫(kù)。標(biāo)注過(guò)程中，首先在微博級(jí)和句子級(jí)上對(duì)有無(wú)情緒進(jìn)行判別，然后對(duì)有情緒的微博和句子進(jìn)行7種情緒類別的標(biāo)注，包括快樂(lè)、喜好、憤怒、悲傷、恐懼、厭惡、驚訝。此外，在句子級(jí)別上增加了包含3個(gè)情緒強(qiáng)度等級(jí)的標(biāo)注。為保持標(biāo)注結(jié)果的準(zhǔn)確性及一致性，建立了相關(guān)的評(píng)價(jià)方法和標(biāo)注流程管理。目前，該語(yǔ)料庫(kù)已完成14 000條微博、45 431個(gè)句子的情緒標(biāo)注。其中，有情緒微博7 407條，無(wú)情緒微博6 593條，其中包含有情緒句子15 688條，無(wú)情緒句子29 733條。本語(yǔ)料庫(kù)為相關(guān)科研工作人員分析微博文本的情緒表達(dá)特點(diǎn)提供了支持。應(yīng)用該語(yǔ)料庫(kù)組織了NLP&CC2013中文微博情緒分析評(píng)測(cè)任務(wù)，有效促進(jìn)了相關(guān)領(lǐng)域的研究。

本文組織結(jié)構(gòu)如下： 第2節(jié)介紹微博情緒語(yǔ)料庫(kù)標(biāo)注規(guī)范；第3節(jié)介紹語(yǔ)料庫(kù)構(gòu)建方法；第4節(jié)對(duì)已構(gòu)建情緒語(yǔ)料庫(kù)進(jìn)行了數(shù)據(jù)統(tǒng)計(jì)以及標(biāo)注一致性分析。第5節(jié)簡(jiǎn)單介紹了應(yīng)用該語(yǔ)料庫(kù)組織NLP&CC2013的中文微博情緒識(shí)別任務(wù)評(píng)測(cè)的情況。第6節(jié)給出本文結(jié)論。

2 微博情緒語(yǔ)料庫(kù)標(biāo)注規(guī)范

2.1 原始語(yǔ)料選擇

本文選取新浪微博文本作為原始標(biāo)注語(yǔ)料。相對(duì)于其他語(yǔ)料庫(kù)，本語(yǔ)料文本的選擇原則是領(lǐng)域無(wú)關(guān)，事件分布面廣。在選取的過(guò)程中，從2011年至2012年共24個(gè)月的上億條數(shù)據(jù)中進(jìn)行隨機(jī)選取，同時(shí)每個(gè)月選取的微博數(shù)量大致相同。在對(duì)長(zhǎng)度較短、含有不規(guī)則字符或純轉(zhuǎn)發(fā)的低質(zhì)量微博過(guò)濾后，最終留下格式較為規(guī)范的微博作為原始標(biāo)注語(yǔ)料。

2.2 標(biāo)注粒度

微博作者要在簡(jiǎn)短的文字中表達(dá)情緒或觀點(diǎn)，往往會(huì)出現(xiàn)不規(guī)范的句子表達(dá)以及較為密集的情緒分布，所以相對(duì)細(xì)致的標(biāo)注粒度很有必要。為此，本文將情緒標(biāo)注的粒度劃分為微博級(jí)和句子級(jí)。微博級(jí)的標(biāo)注從微博整體角度出發(fā)，標(biāo)注了微博作者所表達(dá)的情緒，而句子級(jí)的情緒標(biāo)注則從微博中每一個(gè)句子的角度出發(fā)，對(duì)作者所表達(dá)的情緒進(jìn)行標(biāo)注。

2.3 情緒分類體系

目前現(xiàn)有的情緒分類體系存在著不一致的情況，這是由于心理學(xué)界對(duì)情緒的劃分還沒(méi)有一個(gè)公認(rèn)標(biāo)準(zhǔn)。較為常用且適合文本情緒分類研究的分類體系是大連理工大學(xué)林鴻飛教授提出的中文情感詞匯本體[7]。該分類體系是在Ekman的6大類情緒分類體系，在6種情緒類別(“憤怒”、“厭惡”、“恐懼”、“高興”、“悲傷”、“驚訝”)的基礎(chǔ)上，增加了情緒類別“喜好”，對(duì)正面情緒進(jìn)行了更細(xì)致的劃分。本文采用該方案提出的7類情緒體系。

2.4 多標(biāo)簽標(biāo)注

現(xiàn)有的情緒標(biāo)注語(yǔ)料庫(kù)中大多采用單標(biāo)簽情緒標(biāo)注，也就是認(rèn)為每一個(gè)標(biāo)注文本對(duì)象只包含唯一的情緒類別。但是，在實(shí)際表達(dá)中，同一條文本作者往往會(huì)同時(shí)表達(dá)多重的情緒，如例1所示。

例1“清明節(jié)放三天假，但是老師布置了比平時(shí)還多的作業(yè)，我真是悲喜交加啊。”

在例1中“悲喜交加”不僅表達(dá)了作者“高興”的情緒，同時(shí)也表達(dá)了“悲傷”的情緒。

經(jīng)過(guò)對(duì)500條抽樣微博進(jìn)行情緒表達(dá)統(tǒng)計(jì)發(fā)現(xiàn)，在有情緒的微博中，僅包含一種情緒的微博占到近80%，有兩種情緒的占到17%，三種及以上情緒的則只有很小的比例。為此，在標(biāo)注方案中對(duì)微博文本進(jìn)行了多標(biāo)簽情緒標(biāo)注。具體的，對(duì)每一標(biāo)注文本標(biāo)注至多兩種情緒，其中一種為主要情緒，一種為次要情緒。主要情緒和次要情緒劃分主要遵循如下方法，即首先明確微博或句子所包含的所有種類的情緒，然后對(duì)這些情緒在該微博或句子中的強(qiáng)弱程度進(jìn)行排序，取最強(qiáng)的情緒作為主要情緒，若包含多個(gè)情緒，取次強(qiáng)的情緒作為次要情緒。

2.5 情緒強(qiáng)度標(biāo)注

文本中包含的情緒往往在強(qiáng)度上有很大的差異。如下面兩個(gè)例子。

例2“這令我傷心欲絕?！?/p>

例3“這令我心情不悅?！?/p>

例2和例3都表達(dá)了“悲傷”的情緒在內(nèi)，但是“傷心欲絕”要比“心情不悅”悲傷的強(qiáng)度更大。因此，有必要在情緒類別標(biāo)注的基礎(chǔ)上標(biāo)注情緒表達(dá)強(qiáng)度。

為了更好的體現(xiàn)句子中主次要情緒的縱向?qū)Ρ群臀⒉┲芯渥娱g情緒的橫向?qū)Ρ龋瑯?biāo)注規(guī)范中要求對(duì)每個(gè)情緒句進(jìn)行了三個(gè)強(qiáng)度等級(jí)的標(biāo)注。分別由3、2、1代表強(qiáng)、中、弱。每個(gè)情緒最終的強(qiáng)度值通過(guò)對(duì)多人標(biāo)注的強(qiáng)度的平均值獲得。

3 情緒語(yǔ)料庫(kù)構(gòu)建

3.1 微博文本預(yù)處理

由于微博的表達(dá)方式較為隨意，有一些微博不適宜作為最終使用語(yǔ)料，因此在標(biāo)注前要對(duì)微博進(jìn)行數(shù)據(jù)篩選。篩選過(guò)程分為兩個(gè)步驟： 首先對(duì)過(guò)短的微博進(jìn)行篩除，包括單純轉(zhuǎn)發(fā)或@、僅有“轉(zhuǎn)發(fā)微博”字樣、純表情符或者標(biāo)點(diǎn)符號(hào)、或字?jǐn)?shù)少于5個(gè)字的微博，原因在于這些微博對(duì)于情緒表達(dá)研究意義不大。此外還去除非普通話微博(粵語(yǔ)、英語(yǔ)、日語(yǔ)等)以及各種其他類型怪異微博，如字符畫等。

在對(duì)微博文本進(jìn)行情緒標(biāo)注之前，需要對(duì)微博進(jìn)行分句。分句時(shí)原則上按照如下規(guī)則:

1) 括號(hào)及其之內(nèi)的文本不單獨(dú)成句。

2) 對(duì)于較長(zhǎng)的句子且僅用空格做分隔符的，用空格作為分句依據(jù)。

3) 純標(biāo)點(diǎn)符號(hào)不算做一句話，如全是嘆號(hào)，盡管表達(dá)了一定的情緒，但不作為獨(dú)立句。

4) 因?yàn)槭侵形恼Z(yǔ)料庫(kù)，所以英文不作為單獨(dú)的句子，但可以作為一句話中的子句。

在分句階段，由于微博文本不同于格式規(guī)整的新聞文本，很多情況下都是發(fā)布者隨意發(fā)布、格式不一，通過(guò)機(jī)器提取的規(guī)則不足以覆蓋所有的微博分句，故需要人工干預(yù)分句，以確保準(zhǔn)確度。

3.2 標(biāo)注規(guī)則

3.2.1 情緒有無(wú)及主客觀評(píng)價(jià)的區(qū)分

情緒按照持有者角色屬性來(lái)說(shuō)，共分為4類，即發(fā)出評(píng)價(jià)者的情緒，所屬者或被描述者的情緒，動(dòng)作、評(píng)價(jià)、事件、狀態(tài)受體的情緒，旁觀者或者讀者的情緒[8]。在本標(biāo)注體系中，僅考慮的是微博發(fā)出者的情緒狀態(tài)，因而主要從第一類，即發(fā)出評(píng)價(jià)者或微博作者的情緒的角度進(jìn)行標(biāo)注。

對(duì)事物的評(píng)價(jià)分為客觀評(píng)價(jià)和主觀評(píng)價(jià)兩種?？陀^評(píng)價(jià)對(duì)客觀存在的一種描述，而非表達(dá)自己的情緒，所以本研究認(rèn)為客觀評(píng)價(jià)類的微博是沒(méi)有情緒的。相反，主觀評(píng)價(jià)類微博是有情緒的，部分主觀評(píng)價(jià)與客觀評(píng)價(jià)比較難判別彼此，通過(guò)抽樣統(tǒng)計(jì)發(fā)現(xiàn)，如果形容詞前面有程度詞或副詞修飾的話，則會(huì)具有較大的概率被認(rèn)為這是一種主觀評(píng)價(jià)，如下面三個(gè)例子。

例4“宮殿是帝王朝會(huì)和居住的地方，規(guī)模宏大，形象壯麗，格局嚴(yán)謹(jǐn)?！?/p>

例5“她的咸蛋酥，年糕椰蓉酥，叉燒酥都很不錯(cuò)，超贊哦?！?/p>

例6“她看到了這里的風(fēng)景后，高興的大呼起來(lái)，非常激動(dòng)?！?/p>

在例4中出現(xiàn)的形如“規(guī)模宏大、形象壯麗”等正面評(píng)價(jià)詞語(yǔ)都是對(duì)宮殿的客觀、嚴(yán)謹(jǐn)和正式的描述，沒(méi)有個(gè)人情緒蘊(yùn)含在內(nèi)，所以不作為情緒句。在例5中則出現(xiàn)了“不錯(cuò)”，“超贊”這類褒獎(jiǎng)詞語(yǔ)，含有主觀評(píng)價(jià)的成分在內(nèi)，則認(rèn)為是情緒句。而在例6中盡管有著非常明顯的情緒表達(dá)，但是這個(gè)情緒不屬于微博作者，而屬于對(duì)于人物或事件的陳述，在本研究中視為無(wú)情緒。

3.2.2 微博整體情緒和句子情緒的關(guān)系

通常一條微博由若干句子組成，對(duì)應(yīng)的情緒分布往往有兩種情況。即集中分布在一個(gè)句子上或散列分布在若干句子上。由此我們也能發(fā)現(xiàn)，如果微博整體有情緒的話，微博句子中至少有一個(gè)是有情緒。多個(gè)有情緒的句子之間可以極性相反，這也符合漢語(yǔ)日常表達(dá)，但同樣要遵循一個(gè)為主要情緒一個(gè)為次要情緒?？紤]到微博存在轉(zhuǎn)發(fā)以及非原創(chuàng)的情況，微博整體無(wú)情緒的情況下，允許作為轉(zhuǎn)發(fā)或者引用的句子有情緒。

在一條微博中，往往會(huì)出現(xiàn)情緒變化的情況，特別是情緒正負(fù)極性的變化。例如，

例7“不過(guò)真好聽(tīng)，一水即興的solo，真比原版好聽(tīng)?？上Я?，可惜老天不作美”

例7中第一句有著明顯的“喜好”的情緒在內(nèi)，在第二句則轉(zhuǎn)為了“悲傷”的情緒。對(duì)于此類情況，在標(biāo)注過(guò)程中按照其實(shí)際情緒進(jìn)行標(biāo)注，整體情緒按照微博最大的情緒傾向性標(biāo)注。確定最大的傾向性首先利用轉(zhuǎn)折關(guān)系、篇幅長(zhǎng)度來(lái)明確微博所要講述的中心事件，然后確定中心事件的情緒及其強(qiáng)度并作為最終的最大傾向性。所以在標(biāo)注的過(guò)程中，由轉(zhuǎn)折關(guān)系可知例7中整體中心事件為“天公不作美”，主要情緒為“悲傷”，次要情緒為“喜好”。

3.2.3 反諷，反語(yǔ)情況的標(biāo)注

反語(yǔ)，反諷的微博文本無(wú)論在人工標(biāo)注還是在機(jī)器分類中都有著標(biāo)準(zhǔn)不統(tǒng)一的情況，本文中遵循以下的原則約定反諷的概念。

1) 言非所指。即實(shí)際內(nèi)涵與表面意義相互矛盾。

2) 鮮明性。要避免含糊，具有明確的反語(yǔ)，反諷的傾向性。

3) 按趙毅衡先生在《新批評(píng)》一書中的劃分，“反諷”分為“克制敘述”、“夸大敘述”、“正話反說(shuō)”、“疑問(wèn)式反諷”、“復(fù)義反諷”、“悖論反諷”、“浪漫反諷”和人物主題與語(yǔ)言風(fēng)格上的“宏觀反諷”等。

在語(yǔ)料的標(biāo)注過(guò)程中，對(duì)于符合上述反諷、反語(yǔ)的微博語(yǔ)句，按照其蘊(yùn)含的真正的內(nèi)在情緒并結(jié)合上下文語(yǔ)境、常識(shí)進(jìn)行標(biāo)注。如例8所示。

例8“結(jié)構(gòu)主義，我們中國(guó)太缺乏這樣的思想人士了。還有窮舉法，這方法，懂得使用的人太少了。我們國(guó)民都太聰明了。所以，各種法規(guī)政策總是顧頭未顧尾，漏洞百出，而且還死不悔改！”

在例8中，“太聰明了”實(shí)際上并不是一個(gè)贊揚(yáng)的語(yǔ)氣，作者在此使用了反諷，故而認(rèn)定為蘊(yùn)含“厭惡”的情緒在內(nèi)。

對(duì)于不能確定是否為反諷、反語(yǔ)的其他情況則按照文本表面含義進(jìn)行標(biāo)注。

3.2.4 表情符的處理

表情符在微博情緒的表達(dá)中占有著重要的作用，但在數(shù)據(jù)的抽樣考察中我們發(fā)現(xiàn)表情符的使用經(jīng)常出現(xiàn)字面含義與語(yǔ)境意義不同的情況，例如，在表達(dá)特別高興的情緒的時(shí)候，有的微博使用“[大哭]”，有的使用“[大笑]”等不同情緒極性的表情符。

例9“哈哈，我已笑哭…大家走過(guò)路過(guò)，千萬(wàn)不要錯(cuò)過(guò)??！ 看看人家多斯文[大哭] [大哭]用語(yǔ)多文明[大哭] [大哭] [大哭]就是靠這樣來(lái)拉粉的?！?/p>

在例9中，微博自身主要情緒為喜好，次要情緒為高興，但是在表情的選擇時(shí)使用了大哭的表情符，借以表達(dá)一種強(qiáng)烈的喜好和高興的情緒，這是微博這一類文本中特有的語(yǔ)言現(xiàn)象，具有一定的情感增強(qiáng)的作用。故而在標(biāo)注的時(shí)候，不能直接使用表情符作為文本情緒的類別，而必須是作為情緒判斷的參考，通過(guò)上下文的理解確定最終標(biāo)注的情緒類別。

3.3 標(biāo)注一致性控制

語(yǔ)料庫(kù)構(gòu)建中共有4名標(biāo)注人員，在標(biāo)注前進(jìn)行了統(tǒng)一的培訓(xùn)，但是由于不同人對(duì)同一件事物的理解不同，標(biāo)注結(jié)果的差異性很難避免。為了盡量減少標(biāo)注的不一致，按照如下方式，在三個(gè)階段中進(jìn)行一致性控制。

1) 將未標(biāo)注文本分為4份，每人標(biāo)注一份。

2) 將標(biāo)注結(jié)果隨機(jī)轉(zhuǎn)至另一名標(biāo)注人員進(jìn)行復(fù)標(biāo)，同時(shí)記錄標(biāo)注結(jié)果不同的文本數(shù)量。

3) 將四份文本合并后打亂順序，再分為兩份，每份交予兩名標(biāo)注人員同時(shí)討論復(fù)標(biāo)。

通過(guò)如上的方法，保證了每個(gè)微博均被標(biāo)注3次，同時(shí)最少被兩名不同人員標(biāo)注，且該情況下會(huì)在步驟3)雙人標(biāo)注結(jié)果比較中再次得到統(tǒng)一，由此可以使誤標(biāo)注數(shù)量盡量降到最低。出現(xiàn)3次標(biāo)注均不相同的情況概率很小，如果發(fā)現(xiàn)這種情況，則由4名標(biāo)注人員共同討論并確定最終結(jié)果。標(biāo)注結(jié)束后，利用Kappa值作為一致性指標(biāo)的度量。

3.4 完整標(biāo)注示例

標(biāo)注完成后，以XML格式存儲(chǔ)，圖1顯示了一條有情緒微博的標(biāo)注示例。

圖1 有情緒微博標(biāo)注示例及存儲(chǔ)格式

4 語(yǔ)料庫(kù)標(biāo)注結(jié)果分析

目前語(yǔ)料庫(kù)構(gòu)建已完成14 000條微博、45 431個(gè)句子的情緒標(biāo)注。在此基礎(chǔ)上，對(duì)微博情緒表達(dá)的語(yǔ)言現(xiàn)象和語(yǔ)言規(guī)律進(jìn)行了一系列的統(tǒng)計(jì)和分析。

4.1 情緒占比統(tǒng)計(jì)

表1和表2分別是對(duì)微博級(jí)和句子級(jí)有無(wú)情緒的數(shù)量統(tǒng)計(jì)。

表1 微博級(jí)有無(wú)情緒比例

表2 句子級(jí)有無(wú)情緒比例

從統(tǒng)計(jì)中可以看出，有情緒的微博和無(wú)情緒的微博在微博級(jí)上比例大致相同。而在句子級(jí)別上，在句子級(jí)上有情緒和無(wú)情緒的比例大致為1∶2，這與先期對(duì)微博原始語(yǔ)料進(jìn)行抽樣統(tǒng)計(jì)得到的情況基本符合。

本語(yǔ)料對(duì)于微博級(jí)和句子級(jí)都實(shí)現(xiàn)了多情緒標(biāo)注，表3及表4是對(duì)有情緒的微博及句子進(jìn)行的數(shù)量統(tǒng)計(jì)。

表3 有情緒微博中各情緒分布情況

從表3和表4中可以看出，無(wú)論是有情緒微博還是有情緒句子中，各類別情緒的分布都有所差異，其中，“喜好”類所占的比例最大，而“恐懼”、“驚訝”類所占的比例則較小。

表4 有情緒句子中各類情緒分布情況

4.2 情緒伴隨統(tǒng)計(jì)

通過(guò)對(duì)標(biāo)注數(shù)據(jù)的分析我們發(fā)現(xiàn)，在同一條微博或句子中，當(dāng)一種情緒出現(xiàn)后，往往有些其他的情緒伴隨出現(xiàn)。例如,出現(xiàn)“喜好”的時(shí)候，“高興”也會(huì)有很大的概率隨之出現(xiàn)。同一個(gè)微博或句子中，每種可能出現(xiàn)的主要、次要情緒的組合，稱之為一種情緒的伴隨，取值范圍為7種基本情緒或無(wú)情緒的組合。同時(shí)情緒伴隨是一個(gè)有序的組合，即{高興，喜好}和{喜好，高興}是不同的情緒伴隨。理論上有情緒微博最多含有49種情緒伴隨可能。

我們對(duì)所有含有兩種情緒的情緒表達(dá)進(jìn)行統(tǒng)計(jì)，利用條件概率公式計(jì)算伴隨情緒的出現(xiàn)概率。

(1)

式(1)中，Emotion1表示主要情緒，Emotion2表示次要情緒。

表5顯示了利用式(1)進(jìn)行的微博級(jí)情緒伴隨的統(tǒng)計(jì)，表6顯示了句子級(jí)情緒伴隨的統(tǒng)計(jì)。

表5 微博級(jí)別伴隨情緒統(tǒng)計(jì)

表6 句子級(jí)別伴隨情緒統(tǒng)計(jì)

通過(guò)統(tǒng)計(jì)可以看出，無(wú)論在句子級(jí)別還是微博級(jí)別，“高興”和“喜好”經(jīng)常同時(shí)出現(xiàn)，“憤怒”則經(jīng)常同“厭惡”伴隨出現(xiàn)。其他的情緒之間也有一定的關(guān)聯(lián)。

4.3 情緒轉(zhuǎn)移統(tǒng)計(jì)

所謂情緒轉(zhuǎn)移指的是同一條微博中，相鄰的兩個(gè)句子之間的情緒變化。分析鄰接句間情緒的轉(zhuǎn)移規(guī)律往往也能夠更好地促進(jìn)句子的情緒分類。為此，我們對(duì)微博中句子間情緒的轉(zhuǎn)移進(jìn)行統(tǒng)計(jì)。情緒a向情緒b的轉(zhuǎn)移概率可以利用式(2)計(jì)算得出。

式(2)中，EmotionS表示句子S的情緒；EmotionSP表示句子S的前一句的情緒。

表7顯示了7種情緒以及無(wú)情緒之間的情緒轉(zhuǎn)移概率。

表7 句子間情緒轉(zhuǎn)移統(tǒng)計(jì)

通過(guò)上表可以看出，具有相同極性的情緒轉(zhuǎn)移概率往往大于不同極性的情緒之間的轉(zhuǎn)移概率。例如正面情緒“高興”到正面情緒“喜好”的轉(zhuǎn)移概率要遠(yuǎn)大于到負(fù)面情緒“憤怒”的轉(zhuǎn)移概率。通過(guò)分析情緒的轉(zhuǎn)移規(guī)律可以更好地指導(dǎo)結(jié)合上下文的情緒分類。

4.4 情緒強(qiáng)度統(tǒng)計(jì)

針對(duì)每個(gè)微博句子的情緒，我們?cè)O(shè)定了3個(gè)強(qiáng)度等級(jí)，分別使用3，2，1表示強(qiáng)中弱不同等級(jí)的強(qiáng)度。在實(shí)際標(biāo)注中，句子的第一情緒原則上要強(qiáng)于第二情緒的強(qiáng)度，個(gè)別情況下可以相等。

表8 情緒平均強(qiáng)度統(tǒng)計(jì)

可以看出，對(duì)于“憤怒”等情緒，情緒強(qiáng)度較為強(qiáng)烈。而對(duì)另一些情緒，例如“悲傷”，情緒強(qiáng)度則相對(duì)弱一些，這也是符合人們情緒的客觀情況的。

4.5 標(biāo)注一致性分析

本研究使用Kappa值作為標(biāo)注一致性的檢驗(yàn)標(biāo)準(zhǔn)，分別對(duì)微博級(jí)情緒有無(wú)、微博級(jí)情緒類別選擇、句子級(jí)情緒有無(wú)、句子級(jí)情緒類別選擇、句子級(jí)情緒強(qiáng)度進(jìn)行一致性檢驗(yàn)。表9顯示了以上6種情況下的Kappa值。

通過(guò)表9可以看出，在情緒有無(wú)方面，各標(biāo)注者的一致性較高，而在細(xì)粒度的情緒類別選擇方面，各標(biāo)注者的一致性相對(duì)較差一些。在句子級(jí)情緒強(qiáng)度標(biāo)注中得到的一致度約為0.646，主要原因是對(duì)于同一個(gè)情緒句，不同標(biāo)注者的情緒敏感性不同，但整體上一致性仍然達(dá)到了較高的水平。

表9 標(biāo)注一致性統(tǒng)計(jì)

5 微博情緒分析評(píng)測(cè)

應(yīng)用本文建立的微博情緒標(biāo)注語(yǔ)料庫(kù)，組織了NLP&CC2013中文微博情緒分析評(píng)測(cè)。其中，選擇4 000條微博作為訓(xùn)練數(shù)據(jù)，10 000條微博作為測(cè)試數(shù)據(jù)。該評(píng)測(cè)任務(wù)中，共有19支隊(duì)伍提交了58組有效結(jié)果，在這些參賽隊(duì)伍中提出了很多的新的思想和方法。其中，賀飛燕等人結(jié)合TF-IDF方法與方差統(tǒng)計(jì)方法，提出了一種實(shí)現(xiàn)多分類特征抽取的計(jì)算方法[9]。采用先進(jìn)行極性判斷，后進(jìn)行細(xì)粒度情緒識(shí)別的處理方法，構(gòu)建細(xì)粒度情緒分析與判別流程， 并將其應(yīng)用于微博短文本的細(xì)粒度情緒識(shí)別。張晶等以情緒因子中的常用情緒詞和情緒短語(yǔ)為基礎(chǔ)構(gòu)建情緒詞典，并針對(duì)特殊的情緒表達(dá)式，結(jié)合標(biāo)點(diǎn)符號(hào)和表情符號(hào)在情緒分析中的功能，建立情緒規(guī)則庫(kù)，然后，通過(guò)對(duì)情緒詞典和情緒規(guī)則的匹配和計(jì)算，實(shí)現(xiàn)對(duì)中文微博情緒的識(shí)別和分類[10]。 歐陽(yáng)純萍等人針對(duì)中文微博的用戶情緒分析問(wèn)題，提出了一種基于多策略融合的細(xì)粒度情緒分析方法，首先采用貝葉斯算法對(duì)微博的有無(wú)情緒分類，然后構(gòu)建有情緒微博的21維特征向量，最后采用SVM和KNN算法對(duì)微博進(jìn)行細(xì)粒度情緒分類[11]。

本次評(píng)測(cè)分別進(jìn)行Close封閉資源測(cè)試和Open開(kāi)放資源測(cè)試。其中Close封閉資源測(cè)試要求各參評(píng)單位只使用組織者提供的詞典、分詞工具等資源；Open測(cè)試則允許參評(píng)單位利用現(xiàn)有語(yǔ)言資源開(kāi)發(fā)和訓(xùn)練系統(tǒng)，并用于測(cè)試結(jié)果生成。評(píng)測(cè)分別評(píng)估了Close和Open測(cè)試所取得的系統(tǒng)性能。

表10和表11分別列出了NLP&CC2013微博級(jí)情緒有無(wú)斷任務(wù)Close和Open評(píng)測(cè)中性能較優(yōu)的部分結(jié)果。

表10 NLP&CC2013微博級(jí)情緒有無(wú)Close評(píng)測(cè)部分結(jié)果

表11 NLP&CC2013微博級(jí)情緒有無(wú)Open評(píng)測(cè)部分結(jié)果

通過(guò)表10和表11可以看出，在情緒有無(wú)判斷任務(wù)中，各隊(duì)伍都取得了較高的分類性能。同時(shí)，由于Open評(píng)測(cè)可以充分利用各種外部資源，分類性能相比Close評(píng)測(cè)略高。

表12和表13分別列出了NLP&CC2013微博級(jí)情緒類別識(shí)別任務(wù)Close和Open評(píng)測(cè)中性能較優(yōu)的部分結(jié)果。

表12NLP&CC2013微博級(jí)情緒類別識(shí)別任務(wù)Close評(píng)測(cè)部分結(jié)果

隊(duì)伍編號(hào)正確率召回率F值130．25720．23090．2434150．21600．28100．2442190．27040．30640．2873

表13NLP&CC2013微博級(jí)情緒類別識(shí)別任務(wù)Open評(píng)測(cè)部分結(jié)果

隊(duì)伍編號(hào)正確率召回率F值40．28420．34800．312980．25880．29660．2595140．24740．25280．2501

通過(guò)表12和表13可以看出，相比情緒有無(wú)判斷任務(wù)，對(duì)微博級(jí)的情緒類別識(shí)別任務(wù)分類性能相對(duì)較弱。同樣，Open評(píng)測(cè)要比Close評(píng)測(cè)任務(wù)性能略高。

表14顯示了NLP&CC2013句子級(jí)情緒類別識(shí)別任務(wù)Close和Open評(píng)測(cè)中性能較優(yōu)的部分結(jié)果。

表14 NLP&CC2013句子級(jí)情緒識(shí)別任務(wù)部分結(jié)果

通過(guò)表14可以看出，句子級(jí)情緒分類性能相比微博級(jí)情緒分類性能有了一定的提高。同時(shí)，Open評(píng)測(cè)比Close評(píng)測(cè)性能也有一定的提升。

應(yīng)用面向微博文本的情緒標(biāo)注語(yǔ)料庫(kù)所組織的NLP&CC2013中文微博情緒分析評(píng)測(cè)有力地促進(jìn)了中文微博情緒分析相關(guān)研究。

5 結(jié)論

本文在對(duì)微博情緒表達(dá)特點(diǎn)進(jìn)行觀察和分析的基礎(chǔ)上，設(shè)計(jì)了面向微博文本的情緒標(biāo)注規(guī)范。遵循這一規(guī)范，建立了微博文本情緒標(biāo)注規(guī)程以及標(biāo)注一致性控制方案。本文重點(diǎn)介紹了語(yǔ)料庫(kù)的構(gòu)建過(guò)程和構(gòu)建規(guī)則。在標(biāo)注過(guò)程中，對(duì)微博文本首先進(jìn)行了微博級(jí)情緒標(biāo)注，對(duì)微博是否包含情緒及有情緒微博所包含的情緒類別進(jìn)行多標(biāo)簽標(biāo)注。而后，對(duì)微博中的句子進(jìn)行情緒標(biāo)注，在有無(wú)情緒及情緒類別進(jìn)行標(biāo)注的基礎(chǔ)上，增加了情緒強(qiáng)度的標(biāo)注。經(jīng)過(guò)了對(duì)微博情緒標(biāo)注方案的不斷設(shè)計(jì)和完善，以及對(duì)微博語(yǔ)料的多輪標(biāo)注，該語(yǔ)料庫(kù)已完成14 000條微博，45 431句子的情緒標(biāo)注。在此基礎(chǔ)上，對(duì)語(yǔ)料庫(kù)進(jìn)行一系列的數(shù)據(jù)統(tǒng)計(jì)和分析，有助于發(fā)現(xiàn)微博情緒表達(dá)的語(yǔ)言現(xiàn)象和語(yǔ)言規(guī)律。應(yīng)用該語(yǔ)料庫(kù)作為NLP&CC2013中文微博情緒分析評(píng)測(cè)任務(wù)標(biāo)準(zhǔn)語(yǔ)料，促進(jìn)了中文微博情緒分析相關(guān)研究。

致謝

本文感謝先后參加語(yǔ)料采集、標(biāo)注和整理的丘橋云、袁麗、汪奕丁、周繼云、王趙煜、孔兵、曹宇慧、王帥等同學(xué)的辛勤努力。

[1] Mishne G. Experiments with mood classification in blog posts [C]//Proceedings of ACM SIGIR 2005 Workshop on Stylistic Analysis of Text for Information Access. 2005

[2] Ptaszynski M, Rzepka R, Araki K, et al. Automatically annotating a five-billion-word corpus of Japanese blogs for sentiment and affect analysis [J]. Computer Speech & Language, 2014, 28(1): 38-55.

[3] Quan C, Ren F. Construction of a blog emotion corpus for Chinese emotional expression analysis [C]//Proceedings of the 2009 Conference on Empirical Methods in Natural Language Processing, 2009: 1446-1454.

[4] 徐琳宏, 林鴻飛, 趙晶. 情感語(yǔ)料庫(kù)的構(gòu)建和分析 [J]. 中文信息學(xué)報(bào), 2008, 22(1): 116-122.

[5] Xu R.F, Xia Y.Q.; Wong K. F. and Li W.J. Opinion Annotation in On-line Chinese Product Reviews [C]//Proceedings of Language Resource and Evaluation Conference 2008.

[6] Pak A. and Paroubek P. Twitter as a Corpus for Sentiment Analysis and Opinion Mining [C]//Proceedings of Language Resource and Evaluation Conference 2010: 1320-1326 .

[7] 徐琳宏, 林鴻飛, 潘宇,等. 情感詞匯本體的構(gòu)造[J]. 情報(bào)學(xué)報(bào), 2008, 27(2): 180-185.

[8] 徐睿峰, 鄒承天, 鄭燕珍,等. 一種基于情緒表達(dá)與情緒認(rèn)知分離的新型情緒詞典[J]. 中文信息學(xué)報(bào), 2013, 27(6)： 82-90.

[9] 賀飛燕, 何炎祥, 劉楠,等.面向微博短文本的細(xì)粒度情感特征抽取方法 [J].北京大學(xué)學(xué)報(bào), 2014, 50(1): 48-54.

[10] 張晶, 朱波, 梁琳琳,等.基于情緒因子的中文微博情緒識(shí)別與分類 [J] .北京大學(xué)學(xué)報(bào), 2014, 50(1): 79-84.

[11] 歐陽(yáng)純萍，陽(yáng)小華，雷龍艷，多策略中文微博細(xì)粒度情緒分析研究 [J].北京大學(xué)學(xué)報(bào), 2014, 50(1): 67-72.