何有世　王明

摘要摘要：近年來(lái)，如何利用計(jì)算機(jī)自動(dòng)、快速、準(zhǔn)確地識(shí)別大量文本產(chǎn)品評(píng)論數(shù)據(jù)情感傾向是自然語(yǔ)言處理領(lǐng)域關(guān)注的重點(diǎn)話(huà)題。使用數(shù)據(jù)抓取軟件，抓取亞馬遜官網(wǎng)華為honor暢玩版4X手機(jī)在線評(píng)論進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)中按照一定的語(yǔ)法規(guī)則將每條完整的在線產(chǎn)品評(píng)論分成若干子句，識(shí)別其中有效子句，提取有效子句評(píng)論中多種特征進(jìn)行組合，然后選用C4.5決策樹(shù)機(jī)器學(xué)習(xí)法來(lái)識(shí)別子句的情感傾向，并對(duì)多組實(shí)驗(yàn)結(jié)果進(jìn)行分析對(duì)比。實(shí)驗(yàn)結(jié)果表明，選擇子句中情感詞數(shù)量和否定詞數(shù)量作為特征組合時(shí)，加權(quán)后模型的查準(zhǔn)率和查全率均達(dá)到96%；程度副詞和特殊符號(hào)對(duì)模型的作用比較微弱，僅有1%的影響；程度副詞的作用略?xún)?yōu)于特殊符號(hào)。

關(guān)鍵詞關(guān)鍵詞：決策樹(shù)；多特征組合；產(chǎn)品評(píng)論；情感分析

DOIDOI：10.11907/rjdk.162835

中圖分類(lèi)號(hào)：TP301

文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)文章編號(hào)：16727800（2017）005000105

0引言

計(jì)算機(jī)網(wǎng)絡(luò)、電子商務(wù)和移動(dòng)技術(shù)的飛速發(fā)展，使用戶(hù)更加便捷地融入網(wǎng)絡(luò)，成為信息的使用者和創(chuàng)造者?，F(xiàn)今，人們更加習(xí)慣于在互聯(lián)網(wǎng)上發(fā)表自己對(duì)產(chǎn)品、服務(wù)或事件的觀點(diǎn)、偏好及情感傾向。CNNIC在《第37次中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》[1]中指出：截至2015年12月份，我國(guó)網(wǎng)民數(shù)量達(dá)到6.88億，互聯(lián)網(wǎng)普及率接近50.3%，龐大網(wǎng)民數(shù)量為生成海量互聯(lián)數(shù)據(jù)提供了基礎(chǔ)。其中，在線產(chǎn)品評(píng)論數(shù)據(jù)具有很大的商業(yè)價(jià)值。面對(duì)海量的碎片化、非結(jié)構(gòu)化、口語(yǔ)化、隨意化和多樣化的交易評(píng)論信息，如何借助計(jì)算機(jī)提取有價(jià)值的信息，幫助企業(yè)快速定位用戶(hù)偏好及喜愛(ài)和消費(fèi)者快速檢索所需的信息來(lái)了解產(chǎn)品的質(zhì)量和口碑，一直是學(xué)者研究的重點(diǎn)和難點(diǎn)。

情感分析又稱(chēng)為意見(jiàn)挖掘，簡(jiǎn)言之，即從帶有情感色彩的主觀性文本中抽取用戶(hù)對(duì)話(huà)題、產(chǎn)品、個(gè)人、組織和服務(wù)等的情緒、評(píng)價(jià)、喜好、情感傾向[24]。按照處理文本的內(nèi)容，可分為基于新聞評(píng)論的情感分析和基于產(chǎn)品評(píng)論的情感分析[5]。前者主要處理網(wǎng)絡(luò)新聞事件評(píng)論，后者研究對(duì)象主要是網(wǎng)購(gòu)后對(duì)產(chǎn)品、服務(wù)等的在線評(píng)論。

目前，國(guó)內(nèi)外學(xué)者對(duì)文本情感分析已經(jīng)作了大量研究，常用的方法可以分為兩類(lèi)：基于情感詞典的方法和基于機(jī)器學(xué)習(xí)的方法[67]?；谇楦性~典的方法使用知網(wǎng)Hownet、Wordnet和臺(tái)灣大學(xué)情感詞典N(xiāo)TUSD等詞典[810]，該方法雖然簡(jiǎn)單直觀，但忽略了文本中情感單元和修飾詞之間的關(guān)系。該方法在句子級(jí)情感識(shí)別上存在不足，但在詞語(yǔ)級(jí)情感識(shí)別上可以發(fā)揮很大作用?；跈C(jī)器學(xué)習(xí)的方法又可以分為有監(jiān)督和無(wú)監(jiān)督學(xué)習(xí)兩種。常用的有監(jiān)督方法有ME、NB、SVM、CRF等，無(wú)監(jiān)督方法有PMI等[1113]。基于機(jī)器學(xué)習(xí)的情感分類(lèi)方法是通過(guò)提取文本特征，運(yùn)用數(shù)理模型，把文本特征作為輸入變量，經(jīng)過(guò)函數(shù)運(yùn)算后輸出結(jié)果，根據(jù)結(jié)果對(duì)文本進(jìn)行分類(lèi)。該方法不僅考慮到語(yǔ)句文本中的情感詞語(yǔ)及還考慮了句法結(jié)構(gòu)，詞語(yǔ)之間修飾關(guān)系。該方法有較高的正確率和穩(wěn)定性，同時(shí)方便地?cái)U(kuò)展到不同領(lǐng)域。但由于中文詞語(yǔ)的一字多義、交叉歧義、表達(dá)多樣性、句式的復(fù)雜性、語(yǔ)言結(jié)構(gòu)的復(fù)雜性和詞語(yǔ)的不間斷性等，使得中文分詞和情感分析工作比英語(yǔ)更加困難，學(xué)者們一直在尋找方案以提高中文文本情感識(shí)別的準(zhǔn)確率。

已有研究多關(guān)注一條完整在線產(chǎn)品評(píng)論的情感傾向。該方法主要存在以下兩個(gè)方面的不足：一是不能正確反映用戶(hù)內(nèi)心的情感，對(duì)于一款產(chǎn)品，用戶(hù)可能喜歡某些方面的設(shè)計(jì)，對(duì)另一些設(shè)計(jì)感到不滿(mǎn)，如果僅用評(píng)論的整體情感傾向代替用戶(hù)對(duì)產(chǎn)品某一具體方面的情感傾向，顯然存在誤差；二是混淆評(píng)價(jià)對(duì)象，因?yàn)槎鄶?shù)分析針對(duì)的是用戶(hù)的完整評(píng)論，不能識(shí)別出用戶(hù)對(duì)某個(gè)具體評(píng)價(jià)對(duì)象的情感傾向。因此，針對(duì)以上兩點(diǎn)，本文對(duì)每條完整的評(píng)論按照一定的語(yǔ)法規(guī)則進(jìn)行分句，識(shí)別有效子句，提取評(píng)價(jià)對(duì)象，使用C4.5決策樹(shù)識(shí)別子句的情感傾向，該方法采用最大信息增益率作為決策樹(shù)的屬性選擇標(biāo)準(zhǔn)，選擇的屬性作為分裂節(jié)點(diǎn)，最初選擇的屬性作為決策樹(shù)的根節(jié)點(diǎn)，對(duì)于分裂節(jié)點(diǎn)的不同取值，采用遞歸的方法求其子樹(shù)，相比于樸素貝葉斯方法，該方法在分類(lèi)的穩(wěn)定性上具有明顯優(yōu)勢(shì)。

1相關(guān)工作

在線產(chǎn)品評(píng)論的情感分析側(cè)重點(diǎn)不同于新聞評(píng)論的情感分析。在線產(chǎn)品評(píng)論的情感分析更加關(guān)注用戶(hù)對(duì)產(chǎn)品屬性或服務(wù)的評(píng)價(jià)，可以忽略評(píng)論中一些具有情感傾向的詞語(yǔ)或句子。判斷一條在線產(chǎn)品評(píng)論是否有用，關(guān)鍵在于文本中是否包含評(píng)價(jià)詞、產(chǎn)品屬性等。比如華為honor暢玩版4X在線產(chǎn)品評(píng)論：“一直在用華為的手機(jī)，這款手機(jī)挺喜歡的。”該評(píng)論就是垃圾信息，雖然文本中出現(xiàn)情感詞“喜歡”，但是句子不包含產(chǎn)品屬性和評(píng)價(jià)詞，不能區(qū)別產(chǎn)品屬性的好與壞。假設(shè)“喜歡”一詞出現(xiàn)在新聞評(píng)論，該語(yǔ)句一定代表了評(píng)論者的一種正向的感傾向，不能視為垃圾信息。為了更準(zhǔn)確地識(shí)別在線產(chǎn)品評(píng)論的情感傾向，本文做了如下相關(guān)工作：數(shù)據(jù)抓取、隱性產(chǎn)品屬性追加、用戶(hù)分詞詞典、評(píng)價(jià)詞表、否定詞表、程度副詞表等的建立和預(yù)處理。

1.1數(shù)據(jù)抓取

采用八爪魚(yú)采集器從亞馬遜官網(wǎng)抓取華為honor暢玩版4X的在線產(chǎn)品評(píng)論信息。八爪魚(yú)采集器簡(jiǎn)化了用戶(hù)獲取信息的流程，實(shí)現(xiàn)數(shù)據(jù)自動(dòng)采集、編輯和規(guī)范化，降低提取信息的成本。通過(guò)設(shè)計(jì)評(píng)論信息提取規(guī)則，從亞馬遜官網(wǎng)提取在線評(píng)論信息，得到正面在線評(píng)價(jià)500條，負(fù)面在線評(píng)價(jià)197條。

1.2隱性產(chǎn)品屬性追加

由于用戶(hù)輸入網(wǎng)頁(yè)評(píng)論具有隨意性，可能導(dǎo)致文本評(píng)論中沒(méi)有評(píng)價(jià)對(duì)象或?qū)傩灾?，僅有評(píng)價(jià)詞。例如：“個(gè)人感覺(jué)5.5太大了，不好拿”。該評(píng)論中“個(gè)人感覺(jué)5.5太大了”隱含了評(píng)價(jià)對(duì)象屏幕。對(duì)于該類(lèi)問(wèn)題，本文設(shè)計(jì)了常用評(píng)價(jià)對(duì)象和評(píng)價(jià)詞對(duì)應(yīng)表，使用Java程序自動(dòng)識(shí)別評(píng)價(jià)詞，再檢索評(píng)價(jià)對(duì)象，如果檢索不成功，則添加對(duì)應(yīng)的評(píng)價(jià)對(duì)象，否則不作任何處理。

1.3詞典建立

為了更加準(zhǔn)確地識(shí)別產(chǎn)品評(píng)論中的特征詞語(yǔ)，如情感詞、評(píng)價(jià)對(duì)象、否定詞和程度副詞等，為后面的機(jī)器學(xué)習(xí)提供可靠的數(shù)據(jù)，本文建立了相應(yīng)的詞表。

1.3.1用戶(hù)分詞詞典

使用中科院張華平博士研發(fā)的中文分詞軟件NLPIR2016對(duì)在線產(chǎn)品評(píng)論進(jìn)行分詞處理，其主要功能包括中文分詞、詞性標(biāo)注、命名實(shí)體識(shí)別、用戶(hù)詞典功能、微博分詞、新詞發(fā)現(xiàn)與關(guān)鍵詞提取等。對(duì)于特定領(lǐng)域本體相關(guān)屬性和常用短語(yǔ)不能正確進(jìn)行分詞，可以人工添加用戶(hù)詞典輔助分詞。本文添加不能被正確識(shí)別的手機(jī)產(chǎn)品屬性，形成用戶(hù)詞典表，如圖1所示。圖1中沒(méi)有詞性標(biāo)注的詞語(yǔ)在NLPIR軟件中默認(rèn)是名詞，vi表示不及物動(dòng)詞。

1.3.2評(píng)價(jià)詞表

評(píng)價(jià)詞表達(dá)了用戶(hù)對(duì)評(píng)價(jià)對(duì)象的情感傾向，最能反映用戶(hù)對(duì)產(chǎn)品屬性的喜惡之情，在文本情感分析中有著舉足輕重的作用。本文結(jié)合Hownet的正、負(fù)評(píng)價(jià)詞表，以及從亞馬遜官網(wǎng)抓取的評(píng)論信息，剔除與手機(jī)領(lǐng)域無(wú)關(guān)的評(píng)價(jià)詞，如：安樂(lè)、安全等，添加新的評(píng)價(jià)詞，如：高大上、物美價(jià)廉等。最終得到正向評(píng)價(jià)詞表、負(fù)向評(píng)價(jià)詞表。部分正、負(fù)向評(píng)價(jià)詞表如圖2所示。

1.3.3否定詞表

否定詞語(yǔ)的出現(xiàn)一般會(huì)反轉(zhuǎn)語(yǔ)句的情感傾向，使得語(yǔ)句的正向情感變成負(fù)向情感，負(fù)向情感變成正向情感。本文在抓取的評(píng)論和網(wǎng)絡(luò)資源中提取了常用否定詞，形成否定詞表，部分否定詞表如圖3所示。

1.3.4程度副詞表

對(duì)于程度副詞，其位置的不同會(huì)影響到文本語(yǔ)句的情感傾向。本文關(guān)注兩種位置不同的程度副詞。1）其位置在否定詞和評(píng)級(jí)詞之間；2）其位置在否定詞之前。例如：“手機(jī)配置不是很高”，“手機(jī)配置很不高”，前者整個(gè)語(yǔ)句的負(fù)面情感傾向要明顯弱于后者。因此本文更加關(guān)注其出現(xiàn)的位置而不是其語(yǔ)氣強(qiáng)度，部分程度副詞表如圖4所示。

1.4預(yù)處理

預(yù)處理是指使用NLPIR分詞軟件之前對(duì)在線產(chǎn)品評(píng)論的處理、加工，提取有用信息，分為以下幾個(gè)步驟：

（1）拆分每條完整評(píng)論。根據(jù)評(píng)論文本中的特殊標(biāo)點(diǎn)符號(hào)把一條完整的評(píng)論分成若干子句，特殊標(biāo)點(diǎn)符號(hào)包含逗號(hào)、句號(hào)、井號(hào)、嘆號(hào)、問(wèn)號(hào)和破折號(hào)。根據(jù)用戶(hù)的表達(dá)習(xí)慣，一般用逗號(hào)分隔的子句已包含評(píng)價(jià)對(duì)象和評(píng)價(jià)詞，所以選取逗號(hào)分割語(yǔ)句。在輸入文本評(píng)論時(shí)，用戶(hù)可能使用井號(hào)、破折號(hào)替代逗號(hào)、句號(hào)，因此特殊標(biāo)點(diǎn)符號(hào)也包含井號(hào)和破折號(hào)。

（2）使用NLPIR API對(duì)子句進(jìn)行分詞處理，詞性標(biāo)注，去除停用詞。

（3）識(shí)別有效子句。本文僅處理包含手機(jī)產(chǎn)品屬性的文本評(píng)論。如果評(píng)價(jià)對(duì)象是客服服務(wù)、快遞速度和態(tài)度等與手機(jī)產(chǎn)品屬性無(wú)關(guān)的，則直接刪除該評(píng)論；如果需要測(cè)評(píng)商城和快遞服務(wù)，則需要保留，然后刪除不包含手機(jī)產(chǎn)品屬性或評(píng)價(jià)詞的子句，降低干擾語(yǔ)句出現(xiàn)的概率。

最終得到有效子句3 161條。其中，正面文本評(píng)論2 119條，負(fù)面1 042條。

2模型建立

使用決策樹(shù)對(duì)數(shù)據(jù)集建立模型，主要包含以下4個(gè)步驟：

（1）計(jì)算所有屬性劃分?jǐn)?shù)據(jù)集所得的信息增益。信息熵的計(jì)算公式：

H（C）=-∑iP（ci）log2P（ci）（1）

在實(shí)際計(jì)算中，P（ci）取值是類(lèi)別為ci的樣本所占總樣本的比例，即：

P（ci）=|ci|/|C|（2）

其中，|C|是訓(xùn)練集樣本的總數(shù)，|ci|表示類(lèi)別為ci的樣本數(shù)。

假設(shè)用屬性A來(lái)劃分?jǐn)?shù)據(jù)集S中的數(shù)據(jù)，屬性A對(duì)數(shù)據(jù)集S的劃分熵值為H（C|A）。如果屬性A是離散型數(shù)據(jù)類(lèi)型，有K個(gè)不同的取值，則屬性A依據(jù)這K個(gè)不同的取值將S劃分為K個(gè)子集{S1，S2，...Sk} ，屬性A劃分為S的信息熵為：

H（C|A）=∑kj=1CjCH（Cj）（3）

如果屬性A是連續(xù)型數(shù)據(jù)類(lèi)型，則按照屬性A的取值遞增排序，將每對(duì)相鄰的中點(diǎn)看作可能的分裂點(diǎn)，計(jì)算每個(gè)可能的分裂點(diǎn)：

H（C|A）=|SL||S|H（CL）+|SR||S|H（CR）（4）

其中，SL和SR分別對(duì)應(yīng)該分裂點(diǎn)劃分的左右兩部分子集，選擇H（C|A）值最小的分裂點(diǎn)作為屬性A的最佳分裂點(diǎn)。屬性A的信息增益：

Gain（S，A）=H（C）-H（C|A）（5）

該值的大小代表屬性A對(duì)數(shù)據(jù)集S的識(shí)別能力。

（2）計(jì)算各屬性的分裂信息和信息增益率。C4.5引入了分裂信息來(lái)調(diào)節(jié)信息增益，屬性A的分裂信息為：

SplitE（A）=-∑kj=1|Sj||S|log2|Sj||S|（6）

屬性A的信息增益率為：

GainRatio（A）=Gain（S，A）SplitE（A）（7）

（3）選擇信息增益率最大的屬性作為分裂節(jié)點(diǎn)，信息增益率可以部分消減因?qū)傩苑诸?lèi)數(shù)目產(chǎn)生的影響。

（4）把該節(jié)點(diǎn)作為根節(jié)點(diǎn)，對(duì)其屬性的不同值，遞歸調(diào)用以上方法，求其子樹(shù)，該過(guò)程還包含根據(jù)每個(gè)葉子節(jié)點(diǎn)包含的最少實(shí)例數(shù)量和置信因子對(duì)生產(chǎn)樹(shù)進(jìn)行修剪，克服過(guò)擬合現(xiàn)象。

3實(shí)驗(yàn)及結(jié)果分析

本文主要研究在線產(chǎn)品評(píng)論的情感分析，即通過(guò)機(jī)器學(xué)習(xí)的方法識(shí)別出文本的正、負(fù)面情感。首先使用網(wǎng)絡(luò)爬蟲(chóng)軟件八爪魚(yú)抓取honor暢玩版4X手機(jī)在線產(chǎn)品評(píng)論，然后對(duì)其進(jìn)行特殊處理。過(guò)濾評(píng)論中的無(wú)效語(yǔ)句，添加隱形產(chǎn)品屬性，根據(jù)產(chǎn)品屬性把在線產(chǎn)品評(píng)論分割成不同的簡(jiǎn)單子句。使用NLPIR2016分詞工具對(duì)處理后的有效子句評(píng)論進(jìn)行分詞，詞性標(biāo)注，去除停用詞，抽取文本特征，從中選擇不同特征項(xiàng)進(jìn)行組合，得到特征向量，最后使用C4.5建立模型，并檢驗(yàn)?zāi)Ｐ偷男阅堋?/p>

3.1在線產(chǎn)品評(píng)論數(shù)據(jù)抓取流程

在線產(chǎn)品評(píng)論數(shù)據(jù)抓取主要分為3個(gè)過(guò)程：制定數(shù)據(jù)抓取規(guī)則、運(yùn)行規(guī)則，導(dǎo)出數(shù)據(jù)到本地計(jì)算機(jī)。①制定規(guī)則。該步驟為核心步驟，主要包括分頁(yè)設(shè)置、循環(huán)設(shè)置、列表設(shè)置、提取字段設(shè)置。設(shè)置Xpath路徑正則表達(dá)式，匹配評(píng)論信息對(duì)應(yīng)的html標(biāo)簽，抓取評(píng)論數(shù)據(jù)；②運(yùn)行規(guī)則。打開(kāi)已經(jīng)設(shè)置成功的規(guī)則，單擊“啟用單機(jī)采集”選項(xiàng)，出現(xiàn)采集頁(yè)面后，單擊“運(yùn)行”按鈕；③導(dǎo)出數(shù)據(jù)。數(shù)據(jù)采集完成后，選擇“導(dǎo)出到Excel 2003”選項(xiàng)，將數(shù)據(jù)導(dǎo)入到本地計(jì)算機(jī)。

抓取在線產(chǎn)品評(píng)論的工作流程如圖5所示。

3.2基于決策樹(shù)的情感分析

基于決策樹(shù)方法的情感分析的過(guò)程整體上分為3步：①預(yù)處理。對(duì)抓取的在線產(chǎn)品評(píng)論進(jìn)行預(yù)處理，主要包括拆分子句、刪除垃圾評(píng)論、添加隱形產(chǎn)品屬性、識(shí)別有效子句等；②文本分詞、表示。添加用戶(hù)分詞詞典，使用NLPIR API完成分詞、詞性標(biāo)志，去除停用詞語(yǔ)，提取并修正文本特征，完成特殊語(yǔ)句處理，選擇不同的特征向量進(jìn)行組合；③情感分析。使用weka中的J48建立模型，選用十字交叉法拆分?jǐn)?shù)據(jù)，并根據(jù)查確率、查全率和F值3個(gè)指標(biāo)檢驗(yàn)?zāi)Ｐ偷男阅堋?/p>

本文使用NLPIR2016分詞軟件對(duì)處理后的在線產(chǎn)品評(píng)論進(jìn)行分詞處理，該分詞軟件有很高的正確率和運(yùn)行效率，允許用戶(hù)添加用戶(hù)詞典，提高了軟件分詞的正確率。本文中添加的用戶(hù)詞典是手機(jī)產(chǎn)品屬性，其作用是降低軟件分詞的錯(cuò)誤率，確保提取正確的產(chǎn)品屬性。NLPIR完成分詞后，標(biāo)注詞語(yǔ)的詞性，去除停用詞。停用詞主要包括表示數(shù)量的數(shù)詞、人稱(chēng)代詞、帶有單位的量詞等。

提取文本評(píng)論中的特征項(xiàng)，本文選用的特征項(xiàng)如下：正面評(píng)價(jià)詞數(shù)量、負(fù)面評(píng)價(jià)詞數(shù)量、否定詞、程度副詞、特殊符號(hào)。其含義如表1所示。

語(yǔ)句中的評(píng)價(jià)詞表達(dá)了用戶(hù)對(duì)產(chǎn)品屬性的態(tài)度，與語(yǔ)句的情感傾向存在直接關(guān)系。否定詞語(yǔ)的出現(xiàn)往往會(huì)改變語(yǔ)句的情感傾向。大部分學(xué)者只關(guān)注程度副詞的強(qiáng)度值，本文關(guān)注其在文本中所在的位置，其在語(yǔ)句中的位置影響語(yǔ)句的情感強(qiáng)度。詞語(yǔ)中特殊符號(hào)在一定程度上也反映了評(píng)論者的情感傾向。模型中正向情感傾向標(biāo)注為1，負(fù)向情感傾向標(biāo)注為-1。

對(duì)于一些特殊語(yǔ)句、評(píng)價(jià)對(duì)象及評(píng)價(jià)詞，本文作如下特殊處理：

（1）含有“除”的特殊比較句。該語(yǔ)句含義的側(cè)重點(diǎn)一般在后半部分。因?yàn)榍捌陬A(yù)處理會(huì)把含有“除”的比較句拆分成兩個(gè)子句，所以需要合并含有“除”的比較子句和與其緊挨的下一子句，使得比較句的表達(dá)意思更加完全。

（2）非評(píng)價(jià)詞錯(cuò)誤識(shí)別為評(píng)價(jià)詞的特殊情況。本文采用匹配評(píng)價(jià)詞表的方式來(lái)識(shí)別評(píng)價(jià)詞。該方法存在不足之處，當(dāng)子句中包含評(píng)價(jià)詞，但該詞不能表達(dá)評(píng)價(jià)詞的情感傾向時(shí)，非評(píng)價(jià)詞錯(cuò)誤識(shí)別為評(píng)價(jià)詞的現(xiàn)象就出現(xiàn)了。本文針對(duì)這種情況，設(shè)置了對(duì)應(yīng)的檢驗(yàn)規(guī)則，發(fā)現(xiàn)并刪除誤判的評(píng)價(jià)詞，增加數(shù)據(jù)的真實(shí)性和可靠性。實(shí)驗(yàn)發(fā)現(xiàn)，對(duì)于僅包含一個(gè)漢字的評(píng)價(jià)詞，其被錯(cuò)誤識(shí)別的概率較高。

同一評(píng)價(jià)詞修飾不同評(píng)價(jià)對(duì)象時(shí)表達(dá)的情感傾向有所差別。比如評(píng)價(jià)詞“高”對(duì)應(yīng)不同評(píng)價(jià)對(duì)象“配置”和“價(jià)格”，對(duì)于前一個(gè)評(píng)價(jià)對(duì)象來(lái)說(shuō)是正面的評(píng)價(jià)詞，對(duì)于后者就變成了負(fù)面情感詞。本文中對(duì)于后者做了添加否定詞的處理，使其變得規(guī)律化。

此外，評(píng)價(jià)詞的前后出現(xiàn)程度副詞，并導(dǎo)致其表示的情感傾向發(fā)生變化時(shí)，對(duì)該子句做添加否定詞的處理。對(duì)于特定的評(píng)價(jià)對(duì)象，出現(xiàn)特定的詞語(yǔ)，通過(guò)添加否定詞處理使其規(guī)范化。

3.3實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)中選擇不同的特征組合，使用十字交叉進(jìn)行試驗(yàn)，其對(duì)應(yīng)關(guān)系如表2所示。

實(shí)驗(yàn)中采用weka中的J48分類(lèi)方法來(lái)識(shí)別文本的情感傾向。實(shí)驗(yàn)結(jié)果使用weka默認(rèn)的評(píng)價(jià)指標(biāo)，其指標(biāo)包含如下：Precision表示查準(zhǔn)率，檢測(cè)搜索系統(tǒng)拒絕非相關(guān)信息的能力；Recall表示查全率，檢測(cè)檢索系統(tǒng)檢出相關(guān)信息的能力；FMeasure是查全率和查準(zhǔn)率的調(diào)和平均數(shù)，綜合評(píng)價(jià)方法的效果；ROC Area表示接受者操作特征曲線面積，其值越接近1，表明模型的分類(lèi)效果越好。其實(shí)驗(yàn)結(jié)果如表3所示，其中每組實(shí)驗(yàn)包含正向、負(fù)向情感傾向和加權(quán)后各項(xiàng)指標(biāo)的值。

3.4結(jié)果分析

從表3的實(shí)驗(yàn)結(jié)果可以看出，實(shí)驗(yàn)1僅使用情感詞的數(shù)量特征，實(shí)驗(yàn)結(jié)果加權(quán)后查準(zhǔn)率為85.5%，查全率和F值也在85%以上。實(shí)驗(yàn)2加入程度副詞，結(jié)果有所改善，查準(zhǔn)率、查全率和F值約提升1%，但效果不是很明顯。實(shí)驗(yàn)3與實(shí)驗(yàn)1對(duì)比，添加了否定詞數(shù)量特征，結(jié)果發(fā)生顯著變化，加權(quán)后查準(zhǔn)率、查全率和F值均達(dá)到96%。表明否定詞特征在實(shí)驗(yàn)中起到積極作用，否定詞的出現(xiàn)一般會(huì)改變?cè)姓Z(yǔ)句的情感傾向。實(shí)驗(yàn)4是在實(shí)驗(yàn)3的基礎(chǔ)上加入了程度副詞特征，加權(quán)后實(shí)驗(yàn)指標(biāo)查準(zhǔn)率、查全率和F值下降0.1%左右，僅ROC增加0.3%，模型性能總體略微下降，與實(shí)驗(yàn)2有相似之處。實(shí)驗(yàn)中程度副詞的出現(xiàn)與否和子句中的否定詞有關(guān)，并且程度副詞不轉(zhuǎn)變語(yǔ)句的總體情感傾向，只是改變情感的強(qiáng)弱，當(dāng)程度副詞和否定詞同時(shí)出現(xiàn)時(shí)，程度副詞不起作用或者發(fā)揮輕微地消極作用。實(shí)驗(yàn)5與實(shí)驗(yàn)4相比，增加了特殊符號(hào)特征，但實(shí)驗(yàn)結(jié)果中大部分指標(biāo)相同，表明該特征在實(shí)驗(yàn)中沒(méi)有起到積極作用，因?yàn)閷?shí)驗(yàn)中包含特殊符號(hào)的子句數(shù)量很少，只有26條，這與用戶(hù)的表達(dá)習(xí)慣有關(guān)，當(dāng)用戶(hù)表示不滿(mǎn)情感時(shí)，用戶(hù)輸入問(wèn)號(hào)或者語(yǔ)氣詞表示其不滿(mǎn)情感的可能性比較低。

4結(jié)語(yǔ)

本文使用決策樹(shù)多特征組合研究在線產(chǎn)品評(píng)論的情感傾向。抓取亞馬遜官網(wǎng)的評(píng)論數(shù)據(jù)，從評(píng)論中提取特征，采用多種特征進(jìn)行組合，并取得較好的實(shí)驗(yàn)效果，該方法的準(zhǔn)確率達(dá)到96%。實(shí)驗(yàn)表明，子句中評(píng)價(jià)詞的數(shù)量和否定詞的數(shù)量等特征很大程度上決定了該子句的情感傾向，而實(shí)驗(yàn)中的程度副詞和特殊符號(hào)等特征并沒(méi)有產(chǎn)生顯著的積極作用，沒(méi)有顯著提高實(shí)驗(yàn)結(jié)果。由于實(shí)驗(yàn)的樣本數(shù)量有限，用戶(hù)的表達(dá)方式和規(guī)則不能統(tǒng)計(jì)完全，實(shí)驗(yàn)還有待繼續(xù)完善和改進(jìn)。

通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，該實(shí)驗(yàn)仍有提升的空間。隨著網(wǎng)絡(luò)的發(fā)展，新詞不斷產(chǎn)生，尤其是網(wǎng)絡(luò)熱詞，一些詞語(yǔ)被賦予新的含義，如何正確識(shí)別這些詞語(yǔ)的情感傾向也是一個(gè)亟待解決的難題；同時(shí)加上網(wǎng)絡(luò)的普及和用戶(hù)的參與，產(chǎn)生了海量的評(píng)論信息。如何使用云技術(shù)高效、準(zhǔn)確地識(shí)別評(píng)論的情感傾向，需要繼續(xù)深入研究。

參考文獻(xiàn)參考文獻(xiàn)：

[1]CNNIC.第37次中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r調(diào)查統(tǒng)計(jì)報(bào)告[R].北京：中國(guó)互聯(lián)網(wǎng)中心，2016.

[2]SERRANOGUERRERO J，OLIVAS J A，ROMERO F P，et al.Sentiment analysis： a review and comparative analysis of web services[J].Information Sciences，2015，311（5）：1838.

[3]QI J，F(xiàn)U X，ZHU G.Subjective wellbeing measurement based on Chinese grassroots blog text sentiment analysis[J].Information & Management，2015，52（7）：859869.

[4]張紫瓊，葉強(qiáng)，李一軍.互聯(lián)網(wǎng)商品評(píng)論情感分析研究綜述[J].管理科學(xué)學(xué)報(bào)，2010（6）：8496.

[5]ZHANG L，GHOSH R，DEKHIL M，et al.Combining lexiconbased and learningbased methods for twitter sentiment analysis[J].Hp Laboratories Technical Report，2011.

[6]PANG B，LEE L，Vaithyanathan S.Thumbs up sentiment classification using machine learning techniques[J].Proceedings of Emnlp，2002（3）：7986.

[7]付麗娜，肖和，姬東鴻.基于OCSVM的新情感詞識(shí)別[J].計(jì)算機(jī)應(yīng)用研究，2015（7）：19461948，1952.

[8]KAMPS J.Using wordnet to measure semantic orientation of adjectives[C].International Conference on Language Resources and Evaluation，2004：11151118.

[9]朱嫣嵐，閔錦，周雅倩，等.基于HowNet的詞匯語(yǔ)義傾向計(jì)算[J].中文信息學(xué)報(bào)，2006（1）：1420.

[10]王振宇，吳澤衡，胡方濤.基于HowNet和PMI的詞語(yǔ)情感極性計(jì)算[J].計(jì)算機(jī)工程，2012（15）：187189，193.

[11]李婷婷，姬東鴻.基于SVM和CRF多特征組合的微博情感分析[J].計(jì)算機(jī)應(yīng)用研究，2015（4）：978981.

[12]TURNEY P D.Thumbs up or thumbs down：semantic orientation applied to unsupervised classification of reviews[J].Proceedings of Annual Meeting of the Association for Computational Linguistics，2010：417424.

[13]王祖輝，姜維，李一軍.在線產(chǎn)品評(píng)論情感分析中固定搭配特征提取方法研究[J].管理工程學(xué)報(bào)，2014（4）：180186.

責(zé)任編輯（責(zé)任編輯：孫娟）