賈守帆 張博 彭世豪

摘要：在電子商務(wù)服務(wù)中，用戶的在線評論對消費者的購買決策與商家行為的影響日益凸顯，如何利用這一重要的在線文本數(shù)據(jù)去挖掘用戶的情感傾向成為學(xué)界以及業(yè)界關(guān)注的焦點。經(jīng)過文獻整理，本文梳理出一個在線評論的細粒度層次情感分析業(yè)務(wù)流程，基于這一流程分析了本領(lǐng)域的研究與發(fā)展現(xiàn)狀，為未來的研究提供參考。

關(guān)鍵詞：在線評論;文本挖掘;情感分析

引言

近年來我國電子商務(wù)飛速發(fā)展，各類電商平臺大量崛起，據(jù)國家統(tǒng)計局統(tǒng)計數(shù)據(jù)顯示：2017年網(wǎng)上零售額達到71751億元，同比2016年增長32.2%。伴隨電子商務(wù)的不斷普及以及平臺逐步完善的業(yè)態(tài)功能體系，電商平臺帶來了大量個性化、網(wǎng)絡(luò)化、非結(jié)構(gòu)化的在線評論文本。在線評論作為一種新型的口碑傳播方式，打破了傳統(tǒng)口碑以人際擴散為基礎(chǔ)的時空限制，使得潛在消費者可以通過閱讀評論來完善對產(chǎn)品的認知，輔助完成購買決策。商家可以通過收集評論內(nèi)容來分析用戶對商品的態(tài)度，獲取用戶的喜好進而更好的為消費者服務(wù)。基于在線評論在電子商務(wù)鏈條中重要的作用，國內(nèi)外學(xué)者對此領(lǐng)域給予了極大關(guān)注，本文收集了近年國內(nèi)外在線評論研究的文獻成果，從情感分析視角出發(fā)，對在線評論領(lǐng)域的相關(guān)技術(shù)應(yīng)用以及研究現(xiàn)狀進行概述。

1、基于文本情感分析的在線評論研究

信息爆炸時代，互聯(lián)網(wǎng)的高度開放性和可追溯性使得消費者在作出網(wǎng)購決策前面對著海量的消費者評論，這些評論通常包含著他人有價值的觀點意見，對這些包含觀點的評論文本進行人工識別和分析是極其低效率的，因此自動化的文本情感分析成為當(dāng)前主流的應(yīng)用領(lǐng)域。情感分析，是屬于文本挖掘的一個細分研究領(lǐng)域，是指通過自然語言的處理從文本中提取出人們對于實體及其屬性所表達的觀點、情感、態(tài)度和情緒等[1]。從分析的粒度層次來看可劃分為粗粒度情感分析和細粒度情感分析，粗粒度情感分析包括篇章級和句子級情感分析，細粒度層次的分析則是基于評價對象及其屬性的分析。伴隨著人工智能、自然語言處理技術(shù)的進步，業(yè)界對情感分析的要求逐步提高，細粒度層次的情感分析正成為當(dāng)前國內(nèi)外研究的熱點內(nèi)容，本文通過分析當(dāng)前細粒度層次情感分析的業(yè)務(wù)流程來對當(dāng)前在線評論研究進行概述。

1.1 預(yù)處理

研究人員從電商網(wǎng)站等第三方平臺取得的評論數(shù)據(jù)要首先經(jīng)過預(yù)處理階段，主要包括中文分詞，詞性標注，語言學(xué)特征處理等。

（1）中文分詞指的是按照一定的規(guī)范將連續(xù)的字序列重組為詞序列的過程，中文分詞技術(shù)歸屬于自然語言處理技術(shù)范疇，現(xiàn)有的分詞算法可分為三大類：基于統(tǒng)計的分詞方法、基于字符串匹配的分詞方法和基于理解的分詞方法。常見的分詞工具有：Hightmon開發(fā)的中文分詞引擎scws;支持Linux及Windows系列操作系統(tǒng)的ICTCLAS;基于Jovo的開源中文分詞組件Pooding（庖丁解牛分詞）等。盡管已有分詞工具較為成熟，但中文是一種十分復(fù)雜的話種，計算機在識別過程中還是會出現(xiàn)無法分辨歧義詞以及無法識別網(wǎng)絡(luò)新詞等難題。

（2）詞性標注即確定分詞結(jié)果中每個單詞是名詞、動詞、形容詞或其他詞性的過程。

（3）語言學(xué)特征處理是指根據(jù)語言學(xué)特征對分詞和詞性標注后的產(chǎn)品評論進行進一步的完善，一方面解決分詞工具無法識別的個別產(chǎn)品特征，此外為了提高處理文本的效率以及節(jié)省存儲空間，需過濾掉分詞結(jié)果中出現(xiàn)頻率高但無實際語義的停用詞（例如：的、是、啊等）。

1.2 屬性抽取

數(shù)據(jù)預(yù)處理完成后，需要從預(yù)處理結(jié)果中進一步抽取產(chǎn)品屬性，產(chǎn)品屬性在評論文本中往往是用戶評價的對象。例如“這款手機的音效非常好”， “手機的屏幕清晰色彩好”，這兩句評論中產(chǎn)品屬性分別為“音效”和“屏幕”，屬性抽取的任務(wù)就是從在線評論文本中抽取出這樣的屬性。綜合目前的研究現(xiàn)狀來看，屬性提取主要分為四種方法：1）基于頻率的屬性抽取;2）利用句法關(guān)系抽取;3）利用監(jiān)督學(xué)習(xí)抽取;4）利用主題模型抽取，具體的方法特征與詳細信息如表1所示。

產(chǎn)品屬性的提取對于情感分析來說十分重要，它們代表著觀點評價的對象或者消費者在評論中談?wù)摰闹黝}。過去學(xué)者們提出了許多無監(jiān)督和半監(jiān)督的模型用于屬性抽取，然而從實際應(yīng)用層面來說，目前這些模型還存在著一些問題。例如這些模型大都基于一元模型的，而實際生活中很多屬性都是由多個單詞組成的短語。此外，目前的方法主要著眼于抽取名詞和名詞短語類型的特征，實際在很多情況下許多特征并不全是由名詞和名詞短語構(gòu)成，存在通過動詞表達的現(xiàn)象，這時已有的抽取算法就無法適用。

1.3 情感分類

情感分類的目標是確定評論文本中針對不同屬性所表達的觀點傾向：正面、負面還是中性。在之前例子（“這款手機的音效非常好”）中，評論者對手機音效表達了正面的觀點。通過文獻的整理，我們總結(jié)出情感分類通常使用的兩類方法：基于監(jiān)督學(xué)習(xí)和基于詞典的無監(jiān)督學(xué)習(xí)。

1.3.1 基于監(jiān)督學(xué)習(xí)的方法

基于監(jiān)督學(xué)習(xí)的情感分類通常使用支持向量機（SVM）、樸素貝葉斯分類器等機器學(xué)習(xí)算法。該方法優(yōu)勢在于，它的學(xué)習(xí)算法可以通過優(yōu)化手段從各種特征中自動學(xué)到一個有效的分類模型，而這些在學(xué)習(xí)算法中所習(xí)得的特征大部分情況下難應(yīng)用于基于詞典的分類方法。劣勢在于基于監(jiān)督學(xué)習(xí)的方法依賴于人工標注的訓(xùn)練集，但不同領(lǐng)域數(shù)據(jù)的分布、類別標記的分布都具有很大的差異性，導(dǎo)致現(xiàn)有基于監(jiān)督學(xué)習(xí)的方法難以應(yīng)用于大規(guī)模、多領(lǐng)域的實際數(shù)據(jù)。

1 .3.2 基于詞典的無監(jiān)督學(xué)習(xí)

基于詞典的情感分類方法是使用包含情感詞短語、俚語、組合規(guī)則的情感詞典，并結(jié)合情感聚合函數(shù)來識別出在線評論文本中針對每個屬性所表達的情感傾向，該方法主要包括以下四個步驟。

1）標記情感表達詞

此步驟的目標是在評論語句中找出每處情感表達，并判斷情感傾向，每個正面的情感表達+1，負面的情感表達一1.

2）處理情感轉(zhuǎn)換詞與轉(zhuǎn)折從句

情感轉(zhuǎn)換詞指的是能改變情感傾向的詞或者短語，如“手機屏幕不清晰，但是還能接受”中的“不” “但是”屬于情感轉(zhuǎn)換詞。通常通過給定的詞典檢測并標記出來，在情感分析過程中不考慮它們的情感貢獻，只考慮它們的情感轉(zhuǎn)折作用。

3）聚合情感打分

用情感聚合函數(shù)來給得到的情感打分，從而確定評論文本中針對每個屬性的觀點情感傾向。假設(shè)句子S包含屬性集合{a1，…，am），情感表達集合{sel，…，sen）以及通過上述步驟得到的每個情感表達的得分，則句子S中每個屬性al的情感傾向可以通過下面的聚合函數(shù)得到：

基于詞典的分類方法能夠有效的避免監(jiān)督學(xué)習(xí)方法中的部分問題，在面對大規(guī)模、多領(lǐng)域的實際應(yīng)用場景時具有良好的效果，魯棒性強，領(lǐng)域獨立，因此業(yè)界與學(xué)術(shù)界的許多開發(fā)與研究都使用此類方法。當(dāng)然基于詞典的分類方法缺點在于，構(gòu)建分類所需的知識庫（詞典、模板等）需要消耗大量的人力物力，另外難以解決的長尾問題，利用已有的情感詞我們大概只能處理60%的情況，而剩下的低頻的40%語言現(xiàn)象是無法處理的。

2、總結(jié)

本文從細粒度層面對在線評論的情感分析進行了介紹，并梳理出細粒度情感分析通用的業(yè)務(wù)流程。基于上文的分析與梳理，我們可以發(fā)現(xiàn)，情感分析是一個涉及多任務(wù)的綜合研究，有很多子問題相互交叉，不僅僅是一個單獨的問題。與此同時，國內(nèi)該領(lǐng)域研究還存在一些亟待研究和解決的問題，主要包括以下幾點。

第一，缺乏對產(chǎn)品隱性屬性的挖掘。產(chǎn)品屬性層面上可細分為顯性屬性和隱性屬性，例如“這款手機的音效非常好”和“這款手機不容易放進錢包里”兩條評論， “音效”可稱為顯性屬性，而“不容易放進錢包里”則表達了產(chǎn)品的隱性屬性“體積”。通常隱性屬性的表達較為復(fù)雜，導(dǎo)致現(xiàn)有的研究缺乏對產(chǎn)品的隱形屬性進行足夠深層次的挖掘。第二，缺乏成熟的語料庫和實驗平臺，用于公共研究使用的語料庫太少，同時因缺乏開放的實驗平臺和統(tǒng)一的評價標準，導(dǎo)致方法的有效性較難驗證。第三，研究缺乏規(guī)范化，現(xiàn)有研究在語料詞性標注規(guī)范、情感特征提取定義等很多方面沒有達成共識，很難對不同方法的實驗結(jié)果進行客觀的比較和評價。

伴隨我國電子商務(wù)的高速發(fā)展，對于從在線評論中挖掘出更多的潛在商業(yè)價值的需求越發(fā)增多，基于這些強烈的應(yīng)用需求以及技術(shù)上的挑戰(zhàn)將會使得這一研究領(lǐng)域在未來會有很大的研究價值和發(fā)展空間。

參考文獻：

[l]吳應(yīng)良，黃媛，王選飛.在線中文用戶評論研究綜述：基于情感計算的視角[J].情報科學(xué)，2017，35（06）：159-163+170.

[2]鄭霖，徐德華.基于改進TFIDF算法的文本分類研究[J].計算機與現(xiàn)代化，2014（09）：6-9+14.

[3]杜曉靜.引入情感分析的推薦模型[D].東南大學(xué)，2017.

[4]劉培玉，茍靜，費紹棟，朱振方.基于隱馬爾可夫模型的主觀句識別[J].中文信息學(xué)報，2016，30（04）：206-212.

[5]李向前，李軍偉.利用三層條件隨機場模型進行情感極性分類及強度分析[J].計算機應(yīng)用研究，2017，34（04）：986-990.

[6]王建芳，劉峰.基于隱狄利克雷分配的情感分析[J]，計算機工程與設(shè)計，2014，35（06）：2179-2182+2213.