尹裴

摘要：文章主要針對中文在線產(chǎn)品評論進行研究，識別與抽取其中的基本評價單元——“特征、觀點對”（Feature-Opinion Pair，F(xiàn)OP），提出基于語義詞典的特征觀點對提取方法。先通過分詞與詞性標注產(chǎn)生實詞序列，并保留其中特定的名詞、動詞、形容詞與副詞生成產(chǎn)品特征與觀點詞序列，再通過進一步的精煉與映射成為評論特征與觀點詞序列，最后運用匹配與抽取算法自動生成特征觀點對。實驗結果表明，本方法的查全率約為87.62%，查準率約為79.44%，其性能與基線方法相比，有明顯地提高。

關鍵詞：在線產(chǎn)品評論；產(chǎn)品特征；特征觀點對；語義

一、引言

隨著口碑營銷等新型營銷模式的興起，在線評論的挖掘受到越來越多的關注。用戶往往是根據(jù)產(chǎn)品的不同特征發(fā)表相應的觀點，所以評論中的產(chǎn)品特征及其觀點便成為反應用戶對產(chǎn)品認知和評價的基本單元。

特征觀點對的提取是挖掘評論商業(yè)價值的最重要一步。現(xiàn)有的方法多為針對英文評論中特征觀點對的提取。英文評論句式固定、語法規(guī)范，而中文評論則存在口語化嚴重、語法不規(guī)范、語義模糊及主語缺失的特點，在一定程度上加大了評論挖掘的難度。由于中文與英文在表達方式上的較大差別，英文評論挖掘的方法無法直接應用到中文評論中。

因此，本文主要針對中文產(chǎn)品評論中的特征觀點對進行挖掘，在已有研究的基礎上，提出基于語義詞庫的挖掘方法，并通過實驗來驗證該方法的有效性，最后再分類統(tǒng)計特征觀點，實現(xiàn)評論信息的有效組織。

二、文獻綜述

基于統(tǒng)計的方法利用基于統(tǒng)計的算法識別特征詞，再采用鄰近原則來判斷相應的觀點。例如，Liu（2006）首先識別句子中的名詞或名詞短語，然后使用關聯(lián)規(guī)則挖掘出頻繁項作為產(chǎn)品特征，將離產(chǎn)品特征最近的形容詞作為評論觀點。Scaffidi（2007）通過人工建立特定產(chǎn)品的特征集合來識別評論中的產(chǎn)品特征，再將與產(chǎn)品特征相鄰的形容詞作為評論觀點。Zhang等（2010）通過條件隨機場識別產(chǎn)品特征，再基于鄰近原則與語法樹識別與產(chǎn)品特征相對應的評價觀點。

基于語義的方法將語言學知識引入評論挖掘，通過構建語言模式、語法規(guī)則或情感詞典來識別特征觀點對。例如，Zhuang， Jing和Zhu（2006）基于WordNet人工定義電影的特征及觀點，通過依存句法圖獲取特征-觀點對。Miao， Li和Zeng（2010）通過人工預先定義語法規(guī)則識別特征觀點對。Zhao等（2010）通過獲取句法路徑與計算句法路徑編輯距離抽取特征觀點對。Vu等（2011）利用預先定義的語法規(guī)則與同義詞挖掘特征觀點對。Qiu等（2009）利用句法依存樹識別特征觀點對，Qiu等（2011）基于人工挑選的種子觀點詞，自動學習更多的評價觀點及其評價對象。Somprasertsri和Lalitrojwong（2010）構建領域本體存儲產(chǎn)品特征的同義詞和觀點詞的極性。

三、特征-觀點對的提取方法

本文提出一種基于語義詞庫的、直接提取產(chǎn)品特征與觀點的方法，針對產(chǎn)品評論構建語義詞庫存儲產(chǎn)品特征與觀點，以及特征與特征、觀點與觀點及特征與觀點之間的語義關系，在此基礎上實現(xiàn)對產(chǎn)品特征及其觀點的識別與提取。其基本流程如圖1所示。

1. 步驟1：分詞與詞性標注

分詞是將評論劃分為若干詞語及標點，并為每個詞語及標點標注相應詞性。經(jīng)過分詞與詞性標注處理后，建立事務數(shù)據(jù)庫，以文本文件的形式存儲評論。以句子為單位，提取評論中的名詞、形容詞、動詞、副詞及相關短語作為項，生成實詞序列。

2. 步驟2：產(chǎn)品特征與觀點標注

建立詞庫，存儲產(chǎn)品特征、觀點及常見副詞，以便從實詞序列中識別產(chǎn)品特征及其觀點。根據(jù)“常見副詞庫”、“觀點詞庫”和“特征詞庫”，將評論中的詞語標注為特征（F）或觀點（O），無法匹配的詞語則刪除。該過程如圖1所示。

3. 步驟3：精煉“產(chǎn)品特征-觀點詞對”

經(jīng)標注得到的“產(chǎn)品特征-觀點詞對”較為粗糙，存在冗余、歧義和特征缺失等問題，因此需要精煉，去其糟粕取其精華。

（1） 降低冗余。將語義上相同或相近的詞語進行合并。多個產(chǎn)品特征可能指示產(chǎn)品的同一方面也合并。某些基本特征與其使用動作相對應，如“揚聲器”與“外放”、“瀏覽器”與“瀏覽”等，也將其合并。

（2）減少歧義。某些特征詞前面必須加上限定詞才具有實際的意義，若單獨使用則產(chǎn)生歧義。本文采用互信息來衡量特征詞與其限定詞之間的共現(xiàn)性，以獲取匹配規(guī)則。

互信息越大，特征詞w1與w2匹配效果越好。

（3）特征缺失處理。中文評論常出現(xiàn)主語缺失的現(xiàn)象，即存在隱式特征，需要根據(jù)觀點詞補充相應特征詞。觀點詞可分為兩類：一類是明確指示有限個具體特征的觀點詞，稱為特征指示詞，如“貴”指示“價格”；另一類是具有籠統(tǒng)含義，可修飾任意特征的觀點詞，稱為一般觀點詞，如“不錯”。對于特征指示詞自動匹配其所指示的特征；而一般觀點詞則自動與其相鄰的、同一短句中的特征配對。

4. 步驟4：“特征-觀點詞對”匹配與抽取

（1） FO模式（或OF模式）。該模式中特征與觀點一一對應，直接生成特征觀點對

（2）FFO模式。該模式為多個特征與單個觀點的組合形式，根據(jù)特征之間的關系，F(xiàn)FO模式可進一步分為兩類：一是 特征間具有層次性，如“手機操作方便”，經(jīng)標注為“手機/F操作/F方便/O”，其中“操作”為手機的使用行為，與“手機”是上下層關系，僅保留最后一個F，生成特征觀點對（操作，方便）。二是評論特征間具有同位性，如“外觀和操作系統(tǒng)都不錯”，經(jīng)標注為“外觀/F操作系統(tǒng)/F不錯/O”，其中“外觀”和“操作系統(tǒng)”為并列關系，生成特征觀點對（外觀，不錯）與（操作系統(tǒng)，不錯）。

（3）FOO模式。該模式為單個特征與多個觀點的組合形式，根據(jù)“F”與“O”之間的搭配關系，F(xiàn)OO模式可進一步分為兩類：一是每個觀點詞都用來形容評論特征，如 “屏幕大而清晰”，經(jīng)標注為“屏幕/F大/O清晰/O”，其中“大”和“清晰”都形容“屏幕”，生成特征觀點對（屏幕，大）與（屏幕，清晰）。二是含有無法搭配評論特征的觀點詞，如 “按鍵靈活清楚”，經(jīng)標注為“按鍵/F靈活/O清楚/O”，其中“靈活”修飾“按鍵”，而“清楚”與“按鍵”因無法搭配而刪除。

（4）FFOFOO模式。該模式為多特征多觀點的組合形式，可以“F”開頭和“O”結尾的最長序列為對象，將其拆分成FFO模式或FOO模式。

四、實驗設計

（一）實驗準備

本文選擇電子商務網(wǎng)站的手機評論作為語料來源。采用中國科學院計算技術研究所研制的ICTCLAS進行分詞和詞性標注，并用“，”替代評論中的空格、“～”、“/”等符號。對于評論中出現(xiàn)的專有名詞與口語化詞匯，則按照未登錄詞進行標注。

挑選兩名語言學學者對實驗語料人工標注特征觀點對。標注結果如表1所示。結果顯示96.3%的評論句中包含特征觀點對，說明特征觀點對是產(chǎn)品評論中的重要的基本單元。同時，觀點詞總數(shù)多于特征觀點對總數(shù)，說明存在隱式特征。

本文使用信息檢索領域標準的評價準則：準確率（P）、召回率（R）和調和評價值（F）來對實驗結果進行評價。具體定義為：P=|A∩B|/|A|；R=|A∩B|/|B|；F = 2*P*R/（P+R）。其中，A表示系統(tǒng)識別出的特征觀點對集合，B表示人工標注的特征觀點對集合。

（二）對比實驗

從基于統(tǒng)計與基于語義兩類研究中分別選取具有代表性的方法作為基線實驗，與本文提出的方法進行對比。1. Liu （2006）提出的基于關聯(lián)規(guī)則與鄰近匹配原則的算法。2. Popescu和Etzioni提出的基于互信息與句法規(guī)則的算法。表2列出了對比實驗結果。

本文提出的方法在召回率和調和評價值上都高于兩組基線方法，說明基于語義的方法總體上優(yōu)于基于統(tǒng)計的方法，且以詞庫為基礎，分析詞語間的語義關系，更有利于評論挖掘。

五、總結

本文針對中文在線產(chǎn)品評論進行研究，提出基于語義詞典的方法，對評論中的基本評價單元“特征觀點對”實現(xiàn)有效地識別與提取。針對已有研究的不足，本文通過建立詞庫存儲產(chǎn)品特征及其多種表達形式，再經(jīng)同義詞合并解決評論的口語化問題；通過特征與特征的共現(xiàn)性消除語義上的歧義；根據(jù)特征與觀點間的語義關系補充句中缺失的主語；通過將產(chǎn)品特征映射為評論特征減少特征集的維度，便于對挖掘結果進行有效地統(tǒng)計分析。

最后，設計對比實驗，結果表明本文提出的方法能有效地提高中文產(chǎn)品評論挖掘的效果。今后的研究將對所得到的特征觀點對進行情感極性分類，以此比較不同產(chǎn)品的優(yōu)缺點，將評論挖掘應用到商業(yè)實例中。

參考文獻：

[1]Popescu A.M. and Etzioni，O. Extracting Product Features and Opinions from Reviews[C]//Proc. Proceedings of Human Language Technology Conference and Conference on Empirical Methods in Natural Language Processing（HLT/EMNLP）， Vancouver， Canada，2005.

[2]Scaffidi C.， Bierhoff K.， Chang E.， et al，Red Opal：Product-Feature Scoring from Reviews [C]// Proc. of the 8th ACM Conf. on Electronic commerce，2007.

[3]Zhang S.， Jia W.， Xia Y.， Meng Y.， Yu H. Extracting Product Features and Sentiments from Chinese Customer Reviews[C]// Proc. of the the 7th Intl Conf. on Language Resources and Evaluation， 2010.

[4]Zhuang L.， Jing F.， Zhu X. Movie Review Mining and Summarization [C]//Proc. of the 15th ACM Intl Conf. on Information and Knowledge Management， 2006.

[5]Miao Q.， Li Q.， Zeng D. Fine-Grained Opinion Mining by Integrating Multiple Review Sources [J]. Journal of the American Society for Information Science and Technology，2010（11）.

[6]Vu T.T.， Pham H.T.， Luu C.T.， Ha Q.T. A Feature-Based Opinion Mining Model on Product Reviews in Vietnamese [J].Studies in Computational Intelligence，2011.

[7]Qiu， G.， Liu， B.， Bu， J.， Chen， C. Expanding Domain Sentiment Lexicon through Double Propagation[C]//Proc. of the 21st Intl Joint Conf. on Artificial intelligence，2009.

[8]Qiu， G.， Liu， B.， Bu， J.， Chen， C. Opinion Word Expansion and Target Extraction through Double Propagation[J]. Computational Linguistics，2011（01）.

[9]Somprasertsri G.， Lalitrojwong P. Mining Feature-Opinion in Online Customer Reviews for Opinion Summarization [J].Journal of Universal Computer Science， 2010（06）.

*基金項目：國家自然科學基金青年項目（71601119）“基于在線評論情感分析的社交媒體用戶推薦”；教育部人文社會科學研究一般項目（16YJCZH138）“在線評論中面向產(chǎn)品特征的消費者意見挖掘：細粒度的情感分析視角”；上海市教育發(fā)展基金會和上海市教育委員會“晨光計劃”（16CG53）“社會網(wǎng)絡環(huán)境下基于情感分析的用戶推薦研究”；上海高校青年教師培養(yǎng)資助計劃（ZZslg16019）“基于細粒度情感分析的在線評論意見挖掘”。

（作者單位：上海理工大學管理學院）