孔偉俊 胡廣朋

（江蘇科技大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院 鎮(zhèn)江 212003）

1 引言

隨著互聯(lián)網(wǎng)和電子商務(wù)的不斷發(fā)展，人們?cè)絹?lái)越熱衷于網(wǎng)絡(luò)購(gòu)物，商品評(píng)論急劇增加。商品評(píng)論中包含了許多有用的信息，消費(fèi)者可以通過(guò)評(píng)論了解商品的口碑，做出購(gòu)買決策。品牌商家可以通過(guò)評(píng)論發(fā)現(xiàn)產(chǎn)品的優(yōu)劣，對(duì)優(yōu)點(diǎn)進(jìn)行宣傳，對(duì)缺點(diǎn)進(jìn)行改進(jìn)，進(jìn)而更好地維護(hù)商品的品牌價(jià)值。隨著線上交易的增長(zhǎng)，網(wǎng)絡(luò)評(píng)論數(shù)據(jù)也越來(lái)越多。商品評(píng)論不管是對(duì)消費(fèi)者或者是品牌商家來(lái)說(shuō)都是至關(guān)重要的數(shù)據(jù)，因此對(duì)網(wǎng)絡(luò)商品評(píng)論進(jìn)行情感分析有著重大的意義。

但是，目前電商平臺(tái)上的評(píng)論僅僅分為好評(píng)和差評(píng)，傳統(tǒng)的情感分析不能對(duì)情感強(qiáng)度進(jìn)行量化分析，不同領(lǐng)域?qū)η楦蟹治龅臏?zhǔn)確率影響也很大，此外中文語(yǔ)法的復(fù)雜性也大大增加了情感分析的難度［1］。因此，針對(duì)以上問(wèn)題，目前急需一種情感分析技術(shù)來(lái)更好地對(duì)評(píng)論進(jìn)行情感分析，幫助消費(fèi)者以及品牌商家更好地做出正確的決策。

2 相關(guān)工作

情感分析中的重要的一個(gè)環(huán)節(jié)就是情感傾向性分類的研究［2～4］。在情感傾向性分類研究中目前有兩類研究方向：第一類基于語(yǔ)義的文本傾向性分析技術(shù)［5］，第二類是基于機(jī)器學(xué)習(xí)的文本傾向性分析方法［6］。

基于語(yǔ)義的文本傾向性分析技術(shù)主要是提取產(chǎn)品評(píng)論中的觀點(diǎn)詞，以詞匯傾向性分類為基礎(chǔ)，建立相應(yīng)的含有極性值的觀點(diǎn)詞詞典，對(duì)詞匯進(jìn)行傾向性評(píng)分，然后將傾向性得分進(jìn)行加權(quán)平均來(lái)判斷文本傾向性。通過(guò)對(duì)文本情感詞的提取可以通過(guò)相應(yīng)的算法或詞典得到相應(yīng)的極性。目前主要計(jì)算情感詞極性的方法主要有兩種，第一種是基于詞典的方法［7］，第二種是基于語(yǔ)料庫(kù)的方法［8］。

第二類是基于機(jī)器學(xué)習(xí)的文本傾向性分析方法，利用支持向量機(jī)、粗糙集、模糊集和貝葉斯等分類技術(shù)實(shí)現(xiàn)對(duì)文本傾向性的識(shí)別［9］。

兩類分類方法各有優(yōu)缺點(diǎn)，相比于第二種，基于語(yǔ)義的文本傾向性分析方法更為通用，無(wú)需訓(xùn)練樣本，對(duì)詞匯傾向性分類技術(shù)依賴較小，而第二種基于機(jī)器學(xué)習(xí)的分類方法需要大量訓(xùn)練的樣本，樣本越大分類效果越好。本文選取第一種方法來(lái)對(duì)網(wǎng)絡(luò)商品評(píng)論進(jìn)行情感分析，通過(guò)構(gòu)建能夠自動(dòng)擴(kuò)展的情感詞典并結(jié)合其它詞典，來(lái)量化情感強(qiáng)度，通過(guò)情感強(qiáng)度判斷情感極性。

3 情感詞典構(gòu)建

3.1 評(píng)論數(shù)據(jù)搜集

本文主要針對(duì)京東商城的評(píng)論進(jìn)行分析，通過(guò)爬蟲模塊爬取某款筆記本電腦的商品評(píng)論頁(yè)面，通過(guò)利用xPath技術(shù)獲取頁(yè)面中的評(píng)論數(shù)據(jù)，選取其中的1000條作為語(yǔ)料庫(kù)，另取1000條作為測(cè)試庫(kù)，將測(cè)試庫(kù)通過(guò)人工標(biāo)注分為正面評(píng)論和負(fù)面評(píng)論兩個(gè)部分，經(jīng)過(guò)人工標(biāo)注獲得正面評(píng)論864條，負(fù)面評(píng)論136條。

3.2 評(píng)論數(shù)據(jù)預(yù)處理

從互聯(lián)網(wǎng)中獲得的產(chǎn)品評(píng)論，要進(jìn)行文本的特征提取，提取出具有代表性的屬性詞以及情感詞，這個(gè)過(guò)程最開始的技術(shù)就是中文分詞技術(shù)［10］。商品評(píng)論屬于非結(jié)構(gòu)化的文本，計(jì)算機(jī)是無(wú)法對(duì)這些句子進(jìn)行處理的，無(wú)論是分類還是聚類，都需要對(duì)詞匯進(jìn)行處理［11］。本文選用中科院自主研發(fā)的Java版本的ICTCLAS2011，支持當(dāng)前廣泛承認(rèn)的分詞和詞類標(biāo)準(zhǔn)，同時(shí)用戶可以將自定義的情感詞典加入分詞詞典中，也可以設(shè)置優(yōu)先級(jí)，來(lái)提高系統(tǒng)分詞的準(zhǔn)確度。

通過(guò)分詞系統(tǒng)可以對(duì)評(píng)論文本進(jìn)行分詞，將其中的形容詞作為情感詞，距離形容詞最近的名詞作為特征屬性詞，通過(guò)對(duì)特征屬性詞進(jìn)行情感分析可以更細(xì)粒度地了解消費(fèi)者對(duì)商品特征屬性的意見。將語(yǔ)料庫(kù)的1000條評(píng)論作為訓(xùn)練集，提取出其中所有的情感詞作為領(lǐng)域詞典的基準(zhǔn)詞庫(kù)。

3.3 領(lǐng)域情感詞典的構(gòu)建

1）基準(zhǔn)情感詞構(gòu)建

領(lǐng)域詞典的構(gòu)建首先要有基準(zhǔn)情感詞作為基準(zhǔn)的褒貶詞匯，需要的是具有明顯褒貶情感傾向的詞匯，相同的褒貶詞匯在不同的領(lǐng)域內(nèi)的褒貶傾向程度并不一定一樣，在不同領(lǐng)域的情感強(qiáng)度可能會(huì)有所不同，本文所需要分析的是在領(lǐng)域內(nèi)具有明確情感傾向且高靈敏度的詞匯?；鶞?zhǔn)情感詞構(gòu)建流程如圖1所示。

圖1 基準(zhǔn)情感詞生成流程

Step1：對(duì)上文提取的基準(zhǔn)詞庫(kù)中的情感詞進(jìn)行詞頻統(tǒng)計(jì)。

Step2：過(guò)濾掉低于設(shè)定閾值的詞匯。

Step3：通過(guò)HowNet正負(fù)面詞匯集判定高頻詞匯的正負(fù)情感傾向。

Step4：采用基于知網(wǎng)的語(yǔ)義相似度計(jì)算方法來(lái)計(jì)算詞匯之間的Similarity值。

Step5：選取值靠前的詞匯組成候選詞集，并計(jì)算它們相互之間的Similarity值。

Step6：分別隨機(jī)分組并進(jìn)行組內(nèi)Similarity值計(jì)算。

Step7：正負(fù)基準(zhǔn)詞集相互進(jìn)行相似度計(jì)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(shí)別情感傾向。

Step8：各取正負(fù)候選詞前60個(gè)組成基準(zhǔn)詞。

2）領(lǐng)域詞典自動(dòng)擴(kuò)充

在基準(zhǔn)詞的基礎(chǔ)上，將用上文提取到的情感詞對(duì)領(lǐng)域詞典進(jìn)行擴(kuò)充。本文用基于知網(wǎng)語(yǔ)義相似度計(jì)算方法來(lái)計(jì)算詞之間的語(yǔ)義相似性。計(jì)算公式如下所示：

通過(guò)計(jì)算每個(gè)情感詞與基準(zhǔn)情感詞的Similarity值。當(dāng)與褒義情感詞的Similarity值大于貶義情感詞時(shí)，則判斷為褒義情感詞，反之則為貶義情感詞。

利用式（2）可以計(jì)算判斷情感詞的極性。之后可以加入領(lǐng)域詞庫(kù)中，過(guò)程如圖2所示。

圖2 領(lǐng)域情感詞自動(dòng)識(shí)別和標(biāo)注

3.4 基礎(chǔ)詞典的構(gòu)建

構(gòu)建一個(gè)跨領(lǐng)域的極性詞典是十分困難的，所以在上一節(jié)本文介紹了領(lǐng)域詞典的構(gòu)建以及自動(dòng)擴(kuò)展方法。由于用于提取情感詞的語(yǔ)料庫(kù)是有限的，不可能含有所有的情感詞，所以本文需要一個(gè)基礎(chǔ)詞典來(lái)盡可能多的涵蓋各個(gè)領(lǐng)域。HowNet是目前中文領(lǐng)域中比較經(jīng)典且常用的極性詞典，本文選取HowNet作為基礎(chǔ)詞典，并對(duì)該詞典進(jìn)行優(yōu)化，并且結(jié)合了上文所構(gòu)建的領(lǐng)域詞典。基礎(chǔ)情感詞典構(gòu)建流程如圖3所示。

Step1：加入HowNet中的褒義詞和貶義詞情感詞。

Step2：將Step1中的獲得的情感詞過(guò)濾掉領(lǐng)域詞典中的詞匯。

Step3：通過(guò)搜狗實(shí)驗(yàn)室互聯(lián)網(wǎng)詞庫(kù)SougoW中的詞頻信息，過(guò)濾掉一個(gè)月內(nèi)出現(xiàn)頻率在15萬(wàn)次以下的低頻詞匯，獲得基礎(chǔ)情感詞典。

Step4：對(duì)基礎(chǔ)詞匯進(jìn)行人工標(biāo)注，褒義的情感詞匯情感強(qiáng)度設(shè)定為0.8，貶義的設(shè)定為-0.8。

圖3 基礎(chǔ)詞典構(gòu)建流程

通過(guò)以上基礎(chǔ)詞典構(gòu)建流程獲得正向情感詞3558個(gè)，獲得負(fù)向情感詞3217個(gè)。

3.5 修飾副詞詞典的構(gòu)建

在對(duì)評(píng)論進(jìn)行情感分析時(shí)，除了考慮其情感詞是褒義或是貶義的，還需要考慮情感強(qiáng)度，目前的大部分情感分析只對(duì)其進(jìn)行情感傾向性分析，而忽略了情感強(qiáng)度，比如“還好”和“非常好”都是屬于褒義詞，但是修飾副詞的不同導(dǎo)致了其情感強(qiáng)度的不同，所以分析其極性強(qiáng)度是非常有必要的。本文通過(guò)建立副詞詞典來(lái)計(jì)算極性強(qiáng)度。

本文對(duì)程度副詞進(jìn)行分類，首先把程度副詞分為相對(duì)程度副詞和絕對(duì)程度副詞兩類，并在此基礎(chǔ)上再進(jìn)行細(xì)分，細(xì)分的情感強(qiáng)度范圍為（0.5，2.0），其中極量詞匯的情感強(qiáng)度最高為2.0，之后依次為高量1.5，中量1.0，低量0.5，采用不同情感強(qiáng)度，能夠有效區(qū)分情感詞強(qiáng)度的大小。

表1 程度副詞詞典

3.6 否定詞詞典的構(gòu)建

在對(duì)評(píng)論進(jìn)行情感分析時(shí)，如果這句評(píng)論中存在否定詞，那么該句子的極性可能就會(huì)完全相反。如“我非常不喜歡這款手機(jī)的背面”提取情感詞為“喜歡”，通過(guò)情感詞詞典得出為褒義，但是由于這句話里面有否定詞的存在，這句話的實(shí)際情感傾向是貶義的。所以提取否定詞對(duì)于情感傾向性分析是十分重要的。

本文選取文獻(xiàn)中否定副詞范圍的界定，選取“甭、別、不、白、白白、不必、非、干、不曾、不要、不用、何必、何須、何曾、何嘗、空、沒、沒有、莫、徒、徒然、枉、未、未曾、未嘗、無(wú)須（無(wú)須乎、無(wú)需、毋須）、毋庸（無(wú)庸）、勿、瞎、休、虛”等 31個(gè)否定副詞，由于否定詞表達(dá)的情感都是相反的，所以其情感強(qiáng)度為-1，表示相反的情感傾向。

4 商品評(píng)論情感分析策略

前文構(gòu)建了本文所需要使用的詞典，本文在該詞典的基礎(chǔ)上通過(guò)詞典匹配計(jì)算情感詞的強(qiáng)度，通過(guò)計(jì)算情感詞的情感強(qiáng)度不僅可以區(qū)分情感傾向同時(shí)也可以更好的分析出評(píng)論表達(dá)的強(qiáng)烈程度。通過(guò)不同的情感值相乘可以得到更合理的情感強(qiáng)度。通過(guò)詞典來(lái)計(jì)算特征屬性的情感強(qiáng)度以及極性步驟如下：

Step1：通過(guò)3.2節(jié)介紹的特征提取方法提取評(píng)論中的特征詞。對(duì)相同含義特征詞進(jìn)行合并。取出現(xiàn)次數(shù)最高的特征詞作為表達(dá)該特征的特征詞。

Step2：提取情感詞、修飾副詞以及否定副詞提取組成四元組＜特征詞F，情感詞E，修飾副詞M，否定副詞N＞，若不存在副詞則為空。

Step3：建立情感詞典，獲取每個(gè)特征詞對(duì)應(yīng)的情感詞、修飾副詞、否定副詞的情感強(qiáng)度。將情感強(qiáng)度相乘，對(duì)相同的特征詞求均值。計(jì)算公式如下所示：

式（3）中Se是情感詞典中情感詞的情感強(qiáng)度，Sm是程度副詞的情感強(qiáng)度，若存在否定詞則Sn的值為-1。

Step4：將獲得的情感強(qiáng)度作為該特征的用戶滿意度，若情感強(qiáng)度大于0則為褒義，小于0則為貶義。

5 實(shí)驗(yàn)數(shù)據(jù)

本文利用3.1節(jié)所提取的測(cè)試集對(duì)本文提出的方法進(jìn)行測(cè)試，通過(guò)對(duì)提取到的四元組進(jìn)行計(jì)算，可以細(xì)粒度地對(duì)商品評(píng)論進(jìn)行分析，通過(guò)判斷情感強(qiáng)度可以得出消費(fèi)者評(píng)論的情感傾向。

本實(shí)驗(yàn)對(duì)比基于基礎(chǔ)詞典和加入領(lǐng)域詞典以及其他詞典的情感分析。實(shí)驗(yàn)采用的評(píng)價(jià)指標(biāo)有召回率R、準(zhǔn)確率P和F值，公式如下：

其中，TP表示實(shí)驗(yàn)結(jié)果中特征屬性詞的條數(shù)，F(xiàn)P表示不準(zhǔn)確的條數(shù)，F(xiàn)N表示未被檢測(cè)到的特征詞的條數(shù)。

表2 實(shí)驗(yàn)結(jié)果

從表2中可以看出結(jié)合其他詞典的方法相較于僅基于基礎(chǔ)詞典的方法在準(zhǔn)確率、召回率和F均值方面都有較明顯提高。通過(guò)實(shí)驗(yàn)表明本文提出的方法在網(wǎng)絡(luò)商品評(píng)論情感分析方面具有良好表現(xiàn)并有一定的實(shí)用價(jià)值。

6 結(jié)語(yǔ)

本文為了更好地對(duì)網(wǎng)絡(luò)商品評(píng)論進(jìn)行細(xì)粒度地情感分析，構(gòu)建領(lǐng)域詞典并加入了其它詞典，利用詞典匹配的方法進(jìn)行情感強(qiáng)度計(jì)算，和以前的僅僅依賴基礎(chǔ)詞典的方法相比，能夠自動(dòng)擴(kuò)建情感詞典，并且自動(dòng)計(jì)算新加入的詞匯的情感傾向，大大節(jié)約了時(shí)間，不需要人工標(biāo)注，通過(guò)實(shí)驗(yàn)也證明了該方法的可行性。

在實(shí)驗(yàn)過(guò)程中也有一些不足的地方，現(xiàn)在網(wǎng)絡(luò)越發(fā)發(fā)達(dá)，人們表達(dá)情感的方式更加個(gè)性化，不斷有新的網(wǎng)絡(luò)詞匯會(huì)出現(xiàn)在商品評(píng)論中，在本文的方法中對(duì)網(wǎng)絡(luò)詞匯識(shí)別并不準(zhǔn)確，所以在接下來(lái)的工作中，可以把網(wǎng)絡(luò)詞匯添加到詞典中。同時(shí)由于中文語(yǔ)法的特殊性，句法依存、上下文環(huán)境也是需要研究的地方。