肖 江，丁 星，何榮杰

（江蘇科技大學(xué) 計算機科學(xué)與工程學(xué)院，江蘇 鎮(zhèn)江 212000）

微博是微型博客的簡稱，是一個用于信息分享、信息傳播以及信息獲取的平臺。微博用戶可以通過各種計算機終端或移動終端，實現(xiàn)信息的即時分享，通常中文微博內(nèi)容字?jǐn)?shù)限制在140字左右，而這僅僅140字卻能表達出一個人的情感，觀點和對某個事件的態(tài)度、看法，大大方便了信息的傳遞、獲取與共享，加快了信息的傳播速度，微博已經(jīng)成為一種新興的網(wǎng)絡(luò)媒體。同時，微博給予網(wǎng)絡(luò)用戶更加自由、更便捷的方式來溝通信息、分享心情、表達觀點，所以深受廣大網(wǎng)民朋友的喜愛，一躍成為國內(nèi)最為熱門的互聯(lián)網(wǎng)應(yīng)用之一。

隨之而來的是海量的情感文本信息，而這些海量的情感信息是非常寶貴的信息資源，通過分析這些情感文本信息可以得到網(wǎng)民對某個觀點、某種社會現(xiàn)象的態(tài)度和看法，給政府制定新的政策提供了參考的依據(jù)，給企業(yè)規(guī)劃新的發(fā)展方向提供了幫助，同時能夠給廣大消費者購買商品提供參考和依據(jù)。

1 相關(guān)工作

目前文本情感分析大致分為兩種方法[1]：基于情感詞典和基于機器學(xué)習(xí)的情感分析方法。

基于情感詞典的方法是對文本信息的情感極性進行分析和計算，得到一個情感極性值。Turney[2]等人通過計算基準(zhǔn)詞與待估詞匯的SO-PMI值來分析情感傾向性。在國內(nèi)，朱嫣嵐[3]等人則利用 HowNet提出的基于語義相似度的方法和基于語義相關(guān)場的方法分別計算待估詞匯與預(yù)先選好的基準(zhǔn)詞對的相似度，最后得到該詞的傾向性。文獻[4]提出利用表情圖片結(jié)合情感詞語的方法構(gòu)建中文情感詞典，構(gòu)建貝葉斯分類器，并且利用熵的概念對語料庫進行優(yōu)化，提高了分類的準(zhǔn)確性。

基于機器學(xué)習(xí)的方法，常用的分類方法有：支持向量機分類法、中心向量分類法、K近鄰算法分類法、感知器分類法、貝葉斯分類法和最大熵分類法等，通過此類分類器識別出該文本的傾向性。Wang[5]等人構(gòu)建一個 Twitter情感分析系統(tǒng)，能夠?qū)崟r地對有關(guān)總統(tǒng)選舉的評論信息進行情感傾向性分析；Jiang[6]等人采用主題相關(guān)和無關(guān)的方式對微博文本進行情感極性分類，將其分為正向情感和負(fù)向情感。在國內(nèi)，謝麗星[7]等提出了基于層次結(jié)構(gòu)的多策略中文微博情感分析方法，文中對比了表情符號的規(guī)則方法、情感詞典的規(guī)則方法、基于SVM的層次結(jié)構(gòu)多策略方法。

縱觀以上分析方法，本文通過構(gòu)建情感詞典的方法來構(gòu)建微博輿情情感分析系統(tǒng)，從而分析情感傾向，和以往的分析不同，本文構(gòu)建的情感詞典具有領(lǐng)域特性，能自動識別標(biāo)注領(lǐng)域內(nèi)情感詞并且將新詞添加到情感詞庫中，并且考慮情感副詞的影響，綜合分析情感傾向。

2 情感語料庫的構(gòu)建

2.1 微博數(shù)據(jù)集

文中針對新浪微博做分析，利用新浪微博API抓取特定領(lǐng)域的微博話題，選取#巴西世界杯#，#iphone6#，#NBA總決賽#作為分析語料，根據(jù)分析結(jié)果將其分為正面話題、一般話題、負(fù)面話題。本文分別選取3個特定話題各2 000條微博數(shù)據(jù)作為分析語料，然后對其進行人工標(biāo)注，將該微博數(shù)據(jù)標(biāo)注為正向、負(fù)向、中性情感微博，標(biāo)注的統(tǒng)計結(jié)果如表1所示。

表1 微博數(shù)據(jù)信息Tab.1 Micro-blog data information

2.2 微博數(shù)據(jù)的預(yù)處理

微博文本有其自身的特點，表達方式多樣性，且包含網(wǎng)頁鏈接、圖片、英文字母等等，本文需要對其進行預(yù)處理，步驟如下：

1）對微博數(shù)據(jù)進行去重、去噪、標(biāo)簽過濾等操作。

2）去除表情符號，為后面的分詞處理做準(zhǔn)備。

3）對微博進行分詞處理，文中使用中科院ICTCLAS系統(tǒng)[8]進行分詞與詞性標(biāo)注。

4）對分詞后的文本進行粗降維，即將停用詞，低頻詞從文檔中去除。

2.3 基準(zhǔn)情感詞典的構(gòu)建

基準(zhǔn)情感詞是指具有非常明顯褒貶傾向的詞匯，是在某個領(lǐng)域內(nèi)具有明確褒貶意義的基礎(chǔ)詞匯。由于中文表達方式的多樣性，所以詞的褒貶傾向在不同領(lǐng)域并不是完全一致，有些詞情感傾向非常明確，但是在不同領(lǐng)域相關(guān)度就會降低，詞匯的敏感度也會降低，所以在相關(guān)度低的領(lǐng)域分析該類詞匯的意義并不是太大。

基于以上的考慮，構(gòu)建基準(zhǔn)情感詞典，流程如下：

Step1：取特定領(lǐng)域一定數(shù)量的微博數(shù)據(jù)集，進行分析。

Step2：將某領(lǐng)域的微博信息進行預(yù)處理，步驟如2.2節(jié)所示，獲得預(yù)處理后的微博數(shù)據(jù)。

Step4：設(shè)定高頻詞匯的閾值P，并且利用HowNet情感詞匯集對非情感詞匯進行過濾。

Step5：利用HowNet正負(fù)面詞匯集判定高頻詞匯的正負(fù)情感傾向。

圖1 基準(zhǔn)情感詞典生成流程Fig.1 The generation process of the benchmark emotion dictionary

Step6：在此采用基于知網(wǎng)的語義相似度計算方法來計算詞匯之間的Similarity值。

Step7-Step10：正負(fù)基準(zhǔn)詞集相互進行相似度計算是為了獲得該領(lǐng)域情感傾向更為鮮明的詞作為基準(zhǔn)情感詞集，更準(zhǔn)確的識別情感傾向。

Step11：各個基準(zhǔn)詞代表的情感傾向強度不同，所以需要手動標(biāo)注基準(zhǔn)詞的強度值。

2.4 領(lǐng)域相關(guān)情感詞典的構(gòu)建

在構(gòu)建領(lǐng)域情感詞基準(zhǔn)詞集基礎(chǔ)上構(gòu)建領(lǐng)域相關(guān)情感詞典，再利用基準(zhǔn)詞集自動識別情感詞，實現(xiàn)情感詞的自動擴展。本文情感詞識別及情感詞庫構(gòu)建的整體思路如下圖所示。

圖2 領(lǐng)域情感詞自動識別和標(biāo)注Fig.2 The automatic identification of field of emotional dictionary

如圖2所示此為領(lǐng)域相關(guān)情感詞典的構(gòu)建過程，并且自動將新情感詞加入到情感詞庫，對擴展的詞匯進行強度的標(biāo)注，減少了人工標(biāo)注過程。目標(biāo)詞與基準(zhǔn)詞相似度計算，在此采用基于知網(wǎng)的語義相似度計算方法。

2.5 領(lǐng)域情感詞情感強度判定

文中計算情感詞相似度是基于知網(wǎng)語義相似度計算方法，對領(lǐng)域內(nèi)情感詞進行相似度計算，以均值作為目標(biāo)詞的Similarity值。

目標(biāo)詞的情感傾向判定規(guī)則如下，當(dāng)正向情感的Similarity值大于負(fù)向情感Similarity值，則為正向情感詞，反之則為負(fù)向情感詞。如若正、負(fù)向Similarity值小于給定的閾值P則為非情感詞。

利用2.3和2.4構(gòu)建如表2所示的領(lǐng)域情感詞典，利用上述計算相似度的方法對詞語集W={w1，w2，w3…}分別計算Similarity值，剔除不含情感詞的詞匯，含情感的詞匯自動加入情感詞庫。最后情感詞匯集的情感傾向表示為W={＜w1，o1＞，＜w2，o2＞，＜w3，o3＞，＜w4，o4＞…}， 其中 o 表示情感強度值。那么詞語的情感傾向值 O（w）可以用如下的公式來計算：

如下為領(lǐng)域情感詞詞典，以#iphone6為例。

表2 領(lǐng)域情感詞詞典Tab.2 Field of emotional dictionary

2.6 修飾副詞的構(gòu)建

和英文微博相比中文的語法非常豐富，詞與詞之間不是獨立存在的，他們之間還存在著一定的依存的關(guān)系，即受前面的修飾詞的影響，最常見的就是否定詞和副詞對情感傾向的影響。目前對于副詞和否定詞等修飾情感詞大多采用的是建立修飾詞典，在判斷句子的情感傾向時，首先檢查情感詞前的詞語是否屬于修飾詞，如果是則根據(jù)詞典中修飾詞的強度值計算出情感傾向值。某個詞的修飾副詞集w={＜q1，＜at1，at2..＞＞，＜q2，＜at1，at2..＞＞，＜q3，＜at1，at2..＞＞…}， 其中 q 表示情感詞，at表示修飾副詞。那么加入情感副詞后的情感值O（at）用如下公式計算：

3 微博情感分析策略

前一節(jié)完成了情感詞典的構(gòu)建工作，本節(jié)在情感詞典基礎(chǔ)上提出一種分析方法，分析并判定微博情感傾向值。

輸入：中文微博句子S

Step1：對S進行預(yù)處理，得到預(yù)處理后的句子ST（見2.2節(jié)步驟 1、2）；

表3 修飾副詞詞典Tab.3 Adverb dictionary

Step2：對ST進行分句處理，將長句分成多個短句，得到短句集ST={S1，S2…Si}，并進行詞性標(biāo)注 （見2.2節(jié)步驟3、4），得到處理后的詞語集 Si={＜w1，ad1＞＜w2，ad2＞…}，其中 w表示情感詞語，ad表示修飾副詞；

Step3：計算Si的情感傾向值Oi；

Step3.1：根據(jù)情感詞典中公式（3）計算情感詞的傾向值Oi（w）；

Step3.2：在 Oi（w）的基礎(chǔ)上根據(jù)情感副詞詞典計算 Oi（Si）；

Step4：得到每個短句的情感傾向值Oi，然后利用加權(quán)平均法得到整個句子的情感傾向值O；

Step5：計算總的情感傾向值，輸出總的情感強度O。

4 實驗數(shù)據(jù)

文中利用爬蟲從新浪微博中抓取3個話題各2 000條微博作為數(shù)據(jù)集進行分析，經(jīng)人工篩選后得到正向、負(fù)向、中性微博各650條。利用文中提出的基于領(lǐng)域詞典的情感分析方法進行分析，最終獲得各個微博數(shù)據(jù)的情感強度值，然后通過設(shè)定的閾值判定情感傾向。

本實驗對比基于基礎(chǔ)情感詞典、領(lǐng)域情感詞典的微博情感分析，對比加入情感副詞對整個微博情感分析的影響。實驗采用的評價指標(biāo)有召回率R、準(zhǔn)確率P和F值，如下公式：

其中Ci為實驗分類為c的微博數(shù)，Di為實驗總的微博數(shù)，Ei為微博分類為c的微博條數(shù)，c表示微博類別（正、負(fù)、中性情感類別）。

表4 不同詞典對測試集的分類數(shù)值對比Tab.4 Comparison of different of classification dictionary

由以上數(shù)據(jù)對比可知，基于領(lǐng)域情感詞典的分析系統(tǒng)具有一定的可行性，對微博情感的判定具有一定的準(zhǔn)確率。由表1可以看出，正面情感識別的微博條數(shù)基本維持在600條左右，沒有較明顯的傾倒現(xiàn)象。領(lǐng)域情感詞典效果較基礎(chǔ)詞匯好，在基于領(lǐng)域情感詞典基礎(chǔ)上添加其他詞典，識別效果更佳。表2是測試集召回率、準(zhǔn)確率和F值的對比，更加直觀的顯示出了基于領(lǐng)域詞典和其他詞典的優(yōu)勢所在，比以往的基于一般詞典效果更加顯著，無論是召回率、準(zhǔn)確率和F值基本都維持在了0.7以上。

表5 不同詞典對測試集的評價指標(biāo)對比Tab.5 Comparison of different evaluating indicator of classification dictionary

實驗過程中只使用基礎(chǔ)詞典識別微博情感傾向，明顯識別條數(shù)偏低，這是因為基礎(chǔ)詞典無法準(zhǔn)確判定帶有鮮明領(lǐng)域特色的情感詞匯，例如“大方”，“人性化”等詞，如果僅僅依靠基礎(chǔ)詞匯是無法辨別出這兩個詞所含情感傾向。領(lǐng)域詞典卻能解決這一問題，并且在識別的同時將新詞加入情感詞庫，大大節(jié)省了人工標(biāo)注的時間，同時又提高了識別的準(zhǔn)確度。

通過以上實驗表明本文構(gòu)建的領(lǐng)域情感詞典、情感副詞詞典結(jié)合情感分析策略在分析情感過程中具有一定的可行性，并且取得了一定的效果。

5 結(jié)束語

文中為了更好更準(zhǔn)確的分析微博情感構(gòu)建了領(lǐng)域情感詞典、情感副詞詞典，和以往不同的是文中構(gòu)建的領(lǐng)域情感詞典能夠準(zhǔn)確、快速識別和標(biāo)注情感詞匯的強度，并且在標(biāo)注的同時將新詞和其情感強度值自動加入情感詞庫中，為后續(xù)的情感詞匯標(biāo)注做準(zhǔn)備，大大節(jié)約了人工再標(biāo)注的時間，同時又提高了標(biāo)注的準(zhǔn)確度。通過實驗又證明了該方法的可行性，并且取得了一定的效果。

在實驗過程中發(fā)現(xiàn)，由于微博數(shù)據(jù)的短小，表達方式多種多樣，上下文關(guān)系銜接不緊密，造成的識別錯誤占據(jù)了一部分，還有現(xiàn)如今越來越多的網(wǎng)絡(luò)詞、變形詞的出現(xiàn)同樣也導(dǎo)致了實驗過程中識別的錯誤。所以在接下來的工作中會把研究的重點放在上下文的關(guān)系、語境和網(wǎng)絡(luò)詞匯發(fā)現(xiàn)上，提出一套更加合理更加全面的新的算法。

[1]周勝臣，瞿文婷.中文微博情感分析研究綜述[J].計算機應(yīng)用與軟件，2013，30（3）:162-164.ZHOU Sheng-cheng，QU Wen-ting，et al.The analysis on the Chinese micro-blog emotion[J].Computer Applications and Software，2013，30（3）:162-164.

[2]Turney，Peter D，Littman L.Measuring praise and criticism:Inference of semantic orientation from association.In:ACM Transactions on Information Systems[M].New York:ACM Press，2003.

[3]朱嫣嵐，閔錦，周雅倩，等.基于HowNet的詞匯語義傾向計算[J].中文信息學(xué)報，2006（1）:140-146.ZHU Yan-lan，MIN Jin，ZHOU Ya-qian，et al.Semantic orientation computing based on HowNet[J].Journal of Chinese Information Process，2006（1）:140-146.

[4]張珊，于留寶，胡長軍，等.基于表情圖片與情感詞的中文微博情感分析[J].計算機科學(xué)，2012，39（11A）:146-148.ZHANG Shan，YU Liu-bao，HU Chang-jun，et al.Sentiment analysis of chinese micro-blog based on emotions and emotional words[J].Computer Science，2012，39（11A）:146-148.

[5]WANG Xiao-long，WEI Fu-ru，LIU Xiao-hua，et al.Topic Sentiment Analysis in Twitter:A Graph-based Hashtag Sentiment Classification Approach[C]//Proceeding of 20th ACM Conference on Information and Knowledge Management（CIKM），Glasgow，2011.

[6]JIANG Long，YU Mo，ZHOU Ming，et al.2011.Targetdependent Twitter Sentiment Classifica-tion[C]//ACL 2011.

[7]謝麗星.基于SVM的中文微博情感分析的研究 [D].北京：清華大學(xué)，2011.

[8]ICTCLAC漢語分詞系統(tǒng) [EB/OL].[2012-07-02]http://ictclas.org/ictclas_download.aspx.