王連喜

(1.廣州市非通用語種智能處理重點實驗室，廣東 廣州 510006；2.廣東外語外貿(mào)大學(xué) 信息科學(xué)與技術(shù)學(xué)院，廣東 廣州 510006)

0 引 言

隨著社會媒體與電子商務(wù)技術(shù)的快速發(fā)展與普及，普通民眾已經(jīng)習(xí)慣在網(wǎng)絡(luò)發(fā)布和獲取信息。據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心(CNNIC)發(fā)布的第43次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》顯示，2018年中國數(shù)字經(jīng)濟(jì)以電子商務(wù)為先導(dǎo)力量獲得迅速發(fā)展，引領(lǐng)數(shù)字產(chǎn)業(yè)崛起和產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型[1]。特別在在線汽車網(wǎng)絡(luò)評論領(lǐng)域，互聯(lián)網(wǎng)用戶創(chuàng)造了大量蘊含情感色彩的UGC，準(zhǔn)確地對用戶主動生產(chǎn)的口碑評論信息進(jìn)行挖掘和分析，可以有效幫助消費者了解汽車產(chǎn)品各方面性能的評價分布，從而優(yōu)化其消費決策，同時也可以幫助商家了解用戶需求和理解用戶消費習(xí)慣，總結(jié)自身產(chǎn)品和服務(wù)的優(yōu)勢與不足。

由于網(wǎng)絡(luò)上的產(chǎn)品評論大多是以半結(jié)構(gòu)化形式表示的，缺乏對數(shù)據(jù)本身的描述，也沒有規(guī)范性的結(jié)構(gòu)，甚至有些評論的情感詞在與不同產(chǎn)品屬性進(jìn)行組合時會表達(dá)出不同的情感傾向。例如，“這款車的油耗高”與“這款車的性價比高”兩個評論中都存在情感詞“高”，但是前者的情感傾向性是消極的，而后者是積極的。上述問題會對網(wǎng)民獲取、利用、分析UGC帶來一定的困難，因此亟需高效、有用的方法對特定領(lǐng)域的情感詞、產(chǎn)品屬性對象以及它們組合所蘊含的情感傾向性進(jìn)行準(zhǔn)確識別。

基于此，文中以汽車評論文本為研究對象，通過構(gòu)造面向汽車領(lǐng)域的“屬性-情感詞”本體，提出基于“屬性-情感詞”本體的觀點句情感分析方法，以期準(zhǔn)確識別出情感詞與不同產(chǎn)品屬性對象組合所表達(dá)的情感傾向，從而提高汽車產(chǎn)品的細(xì)粒度情感分析效果。

1 相關(guān)研究

近年來，本體技術(shù)[2-3]已經(jīng)被廣泛應(yīng)用于評論情感分析研究中。許多學(xué)者通過構(gòu)建通用型情感詞匯本體或情感詞典來輔助情感分析研究，也有部分學(xué)者嘗試結(jié)合領(lǐng)域本體技術(shù)與產(chǎn)品特征來提高特定領(lǐng)域評論情感分析的準(zhǔn)確性。2008年，徐琳宏等人通過整理和標(biāo)注了多種詞典和語義資源，構(gòu)建了中文情感詞匯本體庫[4]。該情感詞匯本體由三元組來描述，并通過計算情感詞匯與給定的20類標(biāo)準(zhǔn)詞匯在語料中的互信息來確定情感強度和極性。該情感詞匯本體已成為目前被廣大研究人員借鑒或使用最多的工具。Lau等人[5]提出一種用模糊領(lǐng)域本體的實例化版本來表示情感知識，重點關(guān)注領(lǐng)域特征、領(lǐng)域情感詞以及它們之間的對應(yīng)關(guān)系抽取，能夠較好地應(yīng)用于上下文敏感的意見挖掘。郭沖等人[6]定義了一種用于細(xì)粒度意見挖掘的情感本體樹結(jié)構(gòu)，并結(jié)合細(xì)粒度意見要素抽取技術(shù)提出基于本體樹的自動構(gòu)建方法。

在領(lǐng)域本體構(gòu)建及產(chǎn)品輿情分析方面，目前也產(chǎn)生了許多有價值的成果。杜嘉忠等人[7]提出了一種基于領(lǐng)域?qū)Ｓ们楦性~的網(wǎng)絡(luò)評論情感分析方法，該方法通過構(gòu)建并利用特征-情感詞本體對網(wǎng)絡(luò)上的產(chǎn)品評論進(jìn)行情感分析。王曉東等人[8]在現(xiàn)有情感詞匯本體的基礎(chǔ)上，結(jié)合規(guī)則集和詞類組合模型提出了一種基于語料庫的情感詞匯本體擴(kuò)展算法。劉麗珍等人[9]構(gòu)建了產(chǎn)品領(lǐng)域情感本體，并利用領(lǐng)域情感本體的先驗情感知識消除情感詞的領(lǐng)域依賴性，有效識別了暗含的產(chǎn)品特征，能夠提高在線產(chǎn)品評論情感分析的性能。唐曉波等人[10]以情感詞典為基礎(chǔ)，根據(jù)手機(jī)產(chǎn)品特征及其評論特點，構(gòu)建了手機(jī)產(chǎn)品領(lǐng)域的本體，并實現(xiàn)了手機(jī)產(chǎn)品特征的抽取、分類與情感分析。尹裴等人[11]從特征詞與觀點詞的語義關(guān)系入手，根據(jù)領(lǐng)域本體判斷特征觀點對的極性，并通過加權(quán)平均方法計算整個產(chǎn)品的極性。鄭麗娟等人[12]結(jié)合基于語義和基于統(tǒng)計的方法，通過抽取特征觀點對和觀點詞情感判斷，構(gòu)建相應(yīng)的情感本體，提出了一種基于情感本體的在線評論情感極性及強度分析方法。何有世等人[13]通過構(gòu)建手機(jī)產(chǎn)品領(lǐng)域本體實現(xiàn)了產(chǎn)品屬性的提取與層次劃分，并提出了基于領(lǐng)域本體的產(chǎn)品網(wǎng)絡(luò)口碑信息多層次細(xì)粒度情感挖掘方法。

以上研究都偏向于用邏輯推理和情感計算的方法實現(xiàn)產(chǎn)品評論領(lǐng)域本體構(gòu)建。相對其他方法，領(lǐng)域本體對于特定領(lǐng)域的網(wǎng)絡(luò)輿情分析、屬性詞提取和觀點抽取等內(nèi)容更具專業(yè)性和針對性。除基于領(lǐng)域本體的情感分析方法外，還有基于情感知識的情感分析方法和基于機(jī)器學(xué)習(xí)的情感分析方法。

基于情感知識的方法通常使用一些已有的各類情感詞典、領(lǐng)域詞典以及主觀文本的情感極性組合評價單元對主觀文本的極性進(jìn)行計算[14-17]。常用的知識有WordNet、情感屬性、位置屬性、關(guān)鍵詞屬性、詞性搭配關(guān)系等。盡管這一類方法可以較為充分地利用文本情感的先驗知識，能夠較好地解決規(guī)范性文本的情感分析問題，但由于忽視了文本分布的信息，所以容易出現(xiàn)經(jīng)驗偏置，難以解決新興語言表達(dá)以及隱式表達(dá)的形式。

基于機(jī)器學(xué)習(xí)的方法一般是先采用機(jī)器學(xué)習(xí)方法對文本特征進(jìn)行識別、提取和選擇，然后構(gòu)建相應(yīng)模型完成相關(guān)情感分析任務(wù)。Pang等[18]將n-gram詞語和詞性作為特征，分別采用樸素貝葉斯、最大熵和支持向量機(jī)等機(jī)器學(xué)習(xí)方法來解決文檔級情感分類的問題?；跈C(jī)器學(xué)習(xí)的方法由于能充分利用文本特征的分布信息，對規(guī)范化和非規(guī)范化的文本都能有效處理，但容易忽略與情感相關(guān)的先驗語義特征，所以其分類性能仍存在較大提升空間。陳炳豐等人[19]通過構(gòu)建汽車情感詞典，提出了基于條件隨機(jī)場模型的情感實體識別和情感傾向分類方法，結(jié)果表明該方法能夠應(yīng)用于汽車領(lǐng)域的網(wǎng)絡(luò)輿情分析。

綜上所述，對于領(lǐng)域依賴性和屬性關(guān)聯(lián)性的產(chǎn)品網(wǎng)絡(luò)輿情分析研究來說，如果能將描述產(chǎn)品屬性和情感傾向的詞匯進(jìn)行結(jié)合和映射，這樣或許能得到更準(zhǔn)確的屬性評論傾向?；诖?，文中針對汽車領(lǐng)域評論文本的網(wǎng)絡(luò)輿情分析，提出采用基于規(guī)則的方法構(gòu)建“屬性-情感詞”本體，并以此識別汽車屬性及關(guān)于屬性的評論傾向，然后將該方法與觀點句識相結(jié)合實現(xiàn)汽車領(lǐng)域的網(wǎng)絡(luò)口碑信息的情感分析。

2 基于“屬性-情感詞”本體的汽車領(lǐng)域口碑情感分析方法

汽車領(lǐng)域網(wǎng)絡(luò)輿情分析是一個非常復(fù)雜的文本信息處理和建模的過程，在這個過程中不僅要構(gòu)建領(lǐng)域詞典或本體，還需要借助機(jī)器學(xué)習(xí)方法構(gòu)建相關(guān)的情感分析模型。在進(jìn)行情感分析之前，首先需要獲取網(wǎng)絡(luò)論壇中的汽車產(chǎn)品評論，同時需要借助外部數(shù)據(jù)源收集并提取有關(guān)于汽車的屬性和專有名詞，然后利用數(shù)據(jù)預(yù)處理方法識別和提取評論中的屬性詞和情感詞，并提出基于四元組的“屬性-情感詞”本體構(gòu)建方法，最后在上述過程的基礎(chǔ)上結(jié)合觀點句識別方法提出基于“屬性-情感詞”本體的情感分析方法。具體實現(xiàn)過程如圖1所示。

圖1 基于“屬性-情感詞”本體的汽車領(lǐng)域文本情感分析框架

如圖1所示，提出的基于“屬性-情感詞”本體的汽車領(lǐng)域網(wǎng)絡(luò)輿情分析方法主要包括三個過程：基于“屬性-情感詞”的本體構(gòu)建、觀點句識別以及情感分析。

2.1 基于四元組表示的“屬性-情感詞”本體構(gòu)建

文中構(gòu)建的汽車領(lǐng)域“屬性-情感詞”本體是一個包含汽車屬性、情感詞以及情感極性的知識模型，可以將其定義為一個四元組，即：O={C,N,S,pol(N,S)},其中，C表示汽車屬性類別，如“性價比”、“油耗”等，N表示汽車屬性關(guān)鍵詞，如“質(zhì)量”、“價格”等，S表示情感詞，如“上乘”、“寬敞”等，pol(N,S)表示屬性關(guān)鍵詞-情感詞對的極性，如“1”表示正向，“-1”表示負(fù)向。由該定義可知，“屬性-情感詞”本體可用于識別相同情感詞與不同產(chǎn)品屬性對象組合所表達(dá)出的情感極性。在具體實現(xiàn)過程中，可采用基于規(guī)則的方法構(gòu)建“屬性-情感詞”本體方法(如圖2所示)。

圖2 汽車領(lǐng)域“屬性-情感詞”本體構(gòu)建流程

由圖2可知，汽車領(lǐng)域的“屬性-情感詞”本體構(gòu)建過程主要包括兩大模塊：一是種子詞抽取，二是屬性詞、情感詞擴(kuò)充。在種子詞的識別和抽取方面，一方面通過從企業(yè)官方網(wǎng)站、搜狗詞庫、微博、汽車門戶網(wǎng)站等相關(guān)資源中獲取汽車名稱術(shù)語及部件術(shù)語，構(gòu)建汽車專有名詞本體庫；另一方面，從汽車之家論壇中采集已對操控、空間、動力、內(nèi)飾、舒適性、外觀、性價比、油耗等八個方面進(jìn)行評論的規(guī)范語料，并通過斷句、分詞、詞性標(biāo)注、詞頻統(tǒng)計、文本抽取等處理過程形成屬性詞和情感詞的種子詞。在屬性詞和情感詞的擴(kuò)充方面，首先選取一定數(shù)量的正負(fù)向語料作為訓(xùn)練集，然后對訓(xùn)練語料進(jìn)行預(yù)處理(斷句、分詞、詞性標(biāo)注、PMI計算、文本抽取)，并結(jié)合否定詞/副詞詞典及相關(guān)規(guī)則匹配屬性關(guān)鍵詞-形容詞對，最終在進(jìn)行四元組表示的基礎(chǔ)上形成汽車領(lǐng)域的“屬性-情感詞”本體。

表1 屬性關(guān)鍵詞-情感詞對匹配規(guī)則集

由“屬性-情感詞”本體的定義可知，該四元組既包含汽車屬性，也包含了描述該屬性的具體關(guān)鍵詞及其情感傾向。但在識別、抽取和判斷評論中的屬性關(guān)鍵詞與情感詞對的極性時，需要遵循如表1所示的規(guī)則：如果評論中存在否定詞，則根據(jù)否定詞數(shù)量對屬性關(guān)鍵詞-情感詞對的情感極性進(jìn)行計算；如果評論中存在多個相同屬性的屬性關(guān)鍵詞-情感詞對，則對它們進(jìn)行線性求和。最后，結(jié)合屬性關(guān)鍵詞的類別，得到“屬性-情感詞”本體的四元組O={屬性類別，屬性關(guān)鍵詞，情感詞，情感極性}。

2.2 汽車評論觀點句識別

由于汽車領(lǐng)域評論語料中包含大量客觀信息，這些信息并不表達(dá)用戶對汽車或?qū)傩缘脑u價。太多客觀信息會增加情感分析的工作量，也會影響情感分析的結(jié)果，因此在對語料進(jìn)行情感分析前，需要對語料進(jìn)行主客觀分類，即對評論語料進(jìn)行觀點句識別。

針對汽車評論的觀點句識別問題，文中采用融合基于特征模板和基于SVM分類的觀點句識別方法，其主要過程包括：特征提取和SVM分類器構(gòu)造。在識別觀點句之前，設(shè)計了如表2所示的特征模板，該模板包含兩個一元特征和三個二元特征，用于匹配和提取評論中的有用特征。

在基于特征模板的特征提取的基礎(chǔ)上，結(jié)合基于SVM分類方法構(gòu)建觀點句識別模型。該模型的構(gòu)建步驟如下：首先，對訓(xùn)練語料進(jìn)行斷句、分詞、詞性標(biāo)注，并根據(jù)特征模板匹配并提取出訓(xùn)練語料中的相關(guān)特征，同時利用向量空間模型將語料向量化；然后，利用Libsvm軟件中的C-SVC模型構(gòu)造SVM分類器；最后，利用SVM分類器對測試語料進(jìn)行觀點句識別。

表2 特征模板

2.3 情感分析

在“屬性-情感詞”本體構(gòu)建和觀點句識別的基礎(chǔ)上，文中提出基于“屬性-情感詞”本體的情感分析方法。該方法主要是基于特征匹配和映射得出評論中的屬性關(guān)鍵詞-情感詞對，并以“屬性-情感詞”本體判定句子情感傾向性，其過程如下：

輸入：汽車評論語料、“屬性-情感詞”本體；

輸出：汽車評論情感分析結(jié)果。

Step1：對語料進(jìn)行斷句(以句號、分號、感嘆號等作為斷句的依據(jù))、分詞、詞性標(biāo)注等預(yù)處理；

Step2：建立并利用規(guī)則對評論中情感詞進(jìn)行識別，同時計算評論中屬性-情感詞對的情感極性；

Step3：識別并提取評論中的汽車屬性關(guān)鍵詞，并利用“屬性關(guān)鍵詞-情感詞”對匹配規(guī)則對屬性關(guān)鍵詞及其鄰近的詞語進(jìn)行匹配；

Step4：若匹配成功，則提取相應(yīng)的情感詞并根據(jù)“屬性-情感詞”本體規(guī)則構(gòu)建四元組；

Step5：對語料中的所有句子按屬性進(jìn)行情感極性累加，即對具有相同屬性的四元組進(jìn)行分類求和。

在情感分析過程中，如果匹配過程中出現(xiàn)詞語情感極性無法判定的情況，則可以通過其與對應(yīng)屬性關(guān)鍵詞在訓(xùn)練集正負(fù)向語料中的共現(xiàn)頻率大小來判斷其情感極性。具體判斷規(guī)則如下：

3 實驗與結(jié)果分析

3.1 實驗數(shù)據(jù)

實驗中所用到的語料均來自于太平洋汽車網(wǎng)和汽車之家，且都是經(jīng)由三名專業(yè)人員進(jìn)行人工標(biāo)注而成的。語料規(guī)模為3 200條評論句子，其中用于描述操控、空間、動力、內(nèi)飾、舒適性、外觀、性價比、油耗等八個屬性的正負(fù)向語料各200條評論句子。

3.2 實驗過程

文中使用protégé工具包，通過從企業(yè)官方網(wǎng)站、搜狗詞庫、微博、汽車門戶網(wǎng)站等相關(guān)資源獲取汽車名稱術(shù)語及部件術(shù)語構(gòu)建汽車評價對象本體庫。將汽車產(chǎn)品評論分為操控、空間、動力、內(nèi)飾、舒適性、外觀、性價比、油耗這八個屬性，分別構(gòu)建了這八個屬性的關(guān)鍵詞表，然后在此基礎(chǔ)上構(gòu)建“屬性-情感詞”本體。下面以實驗中某個句子的分析處理為例，詳細(xì)說明提出的基于“屬性-情感詞”的情感分析過程(如圖3所示)。

圖3 情感分析示例

3.3 評價指標(biāo)

采用準(zhǔn)確率、召回率和F1值來評價情感分析方法的性能，其計算方法如下：

3.4 結(jié)果分析

為了驗證提出方法的有效性，選擇經(jīng)典的樸素貝葉斯方法作為對比算法。在實驗過程中，選取標(biāo)注語料的三分之二作為訓(xùn)練集，訓(xùn)練出情感分類模型，剩下的三分之一作為測試集。表3列出了基于“屬性-情感詞”本體的情感分析方法和基于樸素貝葉斯的情感分析方法的實驗結(jié)果。

表3 對比實驗結(jié)果 %

從表3可以看出，提出的基于“屬性-情感詞”本體的情感分析方法比樸素貝葉斯情感分類方法的效果更好。這是因為，樸素貝葉斯分析方法忽略了與情感相關(guān)的先驗語義特征，同時也沒有結(jié)合語境進(jìn)行分析，即沒有考慮到情感詞在不同的語境表達(dá)中可能會出現(xiàn)不同情感的問題。

而文中方法則可以將情感詞與特定的語境相結(jié)合，有效解決了情感詞在描述不同屬性關(guān)鍵詞時情感傾向可能不同的問題。例如：文中方法可以正確判別“空間大”為正向情感，“車內(nèi)噪音大”為負(fù)向情感。但由于構(gòu)建的本體規(guī)模不夠大，使用的規(guī)則不夠完善，該方法在召回率方面還有待改進(jìn)。

4 結(jié)束語

隨著汽車行業(yè)的快速發(fā)展，不同汽車品牌的競爭日趨強烈。通過對用戶使用評論的分析和利用，對汽車企業(yè)的發(fā)展和走向有重要意義。但是，在大數(shù)據(jù)時代，用戶評論中存在大量噪音，使得企業(yè)對信息的獲取成本大大增加。在此背景下，期望通過基于屬性-情感詞本體的評論情感挖掘?qū)ζ囶I(lǐng)域產(chǎn)品的八大屬性進(jìn)行細(xì)粒度情感分析，從而給汽車企業(yè)與消費者帶來一定的參考價值。

但是，該研究目前還存在很多的不足。例如，在該方法中由于依賴人工方式構(gòu)建本體和情感詞典構(gòu)建的工作量非常大，所以屬性關(guān)鍵詞和情感詞的抽取準(zhǔn)確率仍然有待提高；該方法在處理成分殘缺句子時的健壯性較差，導(dǎo)致評論分析的召回率比較低。

在未來的研究中，可考慮引入情感強度的計算，從而幫助解決成分殘缺句子屬性關(guān)鍵詞的匹配映射以及比較要素的抽取問題。