◆閆婷婷 王恒

中文情感分析研究

◆閆婷婷 王恒通訊作者

（寧夏大學(xué)信息工程學(xué)院 寧夏 750000）

情感分析作為自然語言處理領(lǐng)域比較熱門的研究方向，備受研究人員的關(guān)注。本文從情感分析的任務(wù)出發(fā)，對(duì)情感分類、情感信息抽取、情感信息的檢索與歸納三個(gè)任務(wù)進(jìn)行了介紹，重點(diǎn)闡述了情感分類研究中基于詞典、基于機(jī)器學(xué)習(xí)的情感分類方法，最后本文介紹了情感分析的應(yīng)用和情感分析的研究難點(diǎn)。

情感分析；情感分類；情感信息抽??；情感信息的檢索與歸納

1 引言

隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，我國(guó)逐步向全面互聯(lián)網(wǎng)時(shí)代邁進(jìn)，根據(jù)2020年4月中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心發(fā)布的第45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]顯示，截至2020年3月，我國(guó)網(wǎng)民規(guī)模達(dá)9.04億，互聯(lián)網(wǎng)普及率達(dá)64.5%。越來越多的人喜歡在微博、貼吧、論壇上對(duì)熱點(diǎn)話題、國(guó)家政策、產(chǎn)品服務(wù)等內(nèi)容進(jìn)行交流討論，發(fā)表個(gè)人意見、觀點(diǎn)，表達(dá)情緒，從而產(chǎn)生了大量的主觀性文本。對(duì)這些文本捕捉進(jìn)行分析從而得到公眾對(duì)事件或事物的看法，能夠幫助政府部門獲得相關(guān)輿情信息，消費(fèi)者也能在購(gòu)買產(chǎn)品時(shí)將獲取相關(guān)評(píng)價(jià)內(nèi)容作為參考依據(jù)。因此有效挖掘此類文本信息對(duì)輿情監(jiān)控、電子商務(wù)、信息預(yù)測(cè)具有重要價(jià)值。文本情感分析成為目前學(xué)術(shù)界研究的一個(gè)熱點(diǎn)。

2 情感分析研究?jī)?nèi)容

文本情感分析是指對(duì)用戶表示的主觀性文本進(jìn)行分析和挖掘，是對(duì)網(wǎng)上各種新聞資訊、社會(huì)媒體和用戶評(píng)論內(nèi)容進(jìn)行提取、分析、處理、歸納和推理的過程。根據(jù)處理文本粒度的不同，情感分析可分為詞語級(jí)、短語級(jí)、句子級(jí)、篇章級(jí)等研究?jī)?nèi)容；根據(jù)情感分析研究的任務(wù)類型可分為情感信息提取、情感分類以及情感信息的檢索和歸納等問題[2]。

2.1 情感分類

情感分類又稱情感傾向性分析，主要用來判別文字中所表達(dá)的觀點(diǎn)、喜好等相關(guān)信息。情感分類按照不同的劃分方法導(dǎo)致劃分結(jié)果也不同，可分為主、客觀類，褒、貶類。按照分類粒度進(jìn)行劃分，可分為詞語級(jí)、段落級(jí)和篇章級(jí)。本文主要從基于詞典和語義規(guī)則的情感分類方法以及基于機(jī)器學(xué)習(xí)的情感分類方法進(jìn)行說明。

2.2.1基于詞典和語義規(guī)則的情感分類方法

基于詞典和語義規(guī)則的情感分類結(jié)合語法結(jié)構(gòu)、設(shè)計(jì)的判別規(guī)則以情感詞典作為判斷情感傾向的主要依據(jù)。基于詞典和語義規(guī)則的情感分類對(duì)文本進(jìn)行情感分析的主要思路[3]是首先對(duì)文本進(jìn)行預(yù)處理，使用標(biāo)點(diǎn)符號(hào)進(jìn)行分割，得到分句，經(jīng)過設(shè)定好的情感詞典、否定詞典、程度副詞詞典，在不同的分句中，標(biāo)注這些詞出現(xiàn)的位置。按照不同的組合方式制定不同的權(quán)值計(jì)算方法。分析句間關(guān)系，通過對(duì)不同句型的處理強(qiáng)化情感分析的合理性，最終得到整體的情感分值，根據(jù)閾值來對(duì)文本分類?；谠~典的情感分類關(guān)鍵在于詞典的構(gòu)建，目前國(guó)內(nèi)外的情感詞典的構(gòu)建方法主要是在已有的情感詞典的基礎(chǔ)上擴(kuò)充所需要的情感詞典。顧宇杰在論文[4]中提到爬取微博評(píng)論數(shù)據(jù)進(jìn)行過濾、分詞、詞性標(biāo)注，其從微博評(píng)論數(shù)據(jù)中提取一部分詞建立適合對(duì)明星微博評(píng)論進(jìn)行情感分析的基礎(chǔ)情感詞典、程度副詞詞典和否定詞詞典，并設(shè)計(jì)了一套情感打分規(guī)則。從微博評(píng)論中選取1000條進(jìn)行人工標(biāo)注，使用詞典和打分規(guī)則進(jìn)行情感打分，通過計(jì)算正確率、召回率和F-測(cè)度值來驗(yàn)證文中構(gòu)建的情感詞典以及打分規(guī)則的有效性。

2.2.2基于機(jī)器學(xué)習(xí)的情感分類方法

基于機(jī)器學(xué)習(xí)的情感分類關(guān)鍵在于特征選擇、特征權(quán)重量化以及分類模型等要素。常用的特征選擇方法有信息增益法、基于文檔頻率的特征提取法、主成分分析法等。常用的特征量化方法有熵權(quán)重、布爾權(quán)重、TF-IDF方法等。常用的分類器模型有樸素貝葉斯、支持向量機(jī)、K近鄰等。張柳等人[5]基于詞云統(tǒng)計(jì)對(duì)文本內(nèi)容進(jìn)行特征分析，獲取用戶評(píng)論高頻詞，通過對(duì)高頻詞的降維高效訓(xùn)練樸素貝葉斯分類器，完成文本情感分類。最后展示出微博環(huán)境下的高校輿情情感演化圖譜。

隨著深度學(xué)習(xí)理論的不斷發(fā)展，基于深度學(xué)習(xí)的算法被應(yīng)用在各種領(lǐng)域，許多學(xué)者也將其用在文本處理中來試圖提高文本分類的效果。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)中發(fā)展的新領(lǐng)域。深度學(xué)習(xí)通過構(gòu)建網(wǎng)絡(luò)模型對(duì)文本分析、自動(dòng)學(xué)習(xí)文本特征，優(yōu)化模型輸出來提高文本分類的準(zhǔn)確性。秦欣在其論文[6]情感分析中對(duì)N-Gram切詞生成的元組使用鄰接熵和互信息進(jìn)行邊界自由度以及內(nèi)部凝固度度量后得到的候選詞集，使用詞典過濾后得到新詞集，將新詞加入分詞系統(tǒng)中來提高分詞的準(zhǔn)確性，基于BERT詞向量改善語義欠缺和文本特征稀疏的問題，提出基于注意力機(jī)制的BiGUR-Att模型并進(jìn)行情感分析，為進(jìn)一步強(qiáng)化文本情感特征，引用注意力機(jī)制對(duì)BiGUR層輸出結(jié)果分配權(quán)重，從而提高對(duì)微博文本情感分類的準(zhǔn)確率。

2.2 情感信息抽取

情感信息抽取是情感分析的底層任務(wù)，抽取情感評(píng)論文本中有意義的信息單元。情感信息抽取主要研究的問題包括觀點(diǎn)持有者的抽取、評(píng)論對(duì)象的抽取和評(píng)論詞語的抽取和判別。觀點(diǎn)持有者的抽取目的在于辨別情感文本的意見主體。在產(chǎn)品評(píng)論以及社交媒體的評(píng)論中，觀點(diǎn)持有者通常是評(píng)論員或者作者，可以查看其登錄賬號(hào)，所以觀點(diǎn)持有者的抽取相對(duì)簡(jiǎn)單。

評(píng)價(jià)對(duì)象是指某段評(píng)論中所討論的主題，是評(píng)論文本中評(píng)價(jià)詞語修飾的對(duì)象。蔣盛益[7]等人在評(píng)論對(duì)象研究綜述中對(duì)評(píng)價(jià)對(duì)象方法進(jìn)行了歸納、總結(jié)，并對(duì)基于模板規(guī)則、基于頻率、基于圖論和基于深度學(xué)習(xí)的評(píng)價(jià)對(duì)象抽取等方法進(jìn)行重點(diǎn)分析，對(duì)評(píng)價(jià)對(duì)象抽取的評(píng)測(cè)情況以及可用資源進(jìn)行回顧，對(duì)評(píng)價(jià)對(duì)象抽取的難點(diǎn)從跨句子評(píng)價(jià)對(duì)象和隱式評(píng)價(jià)對(duì)象兩個(gè)角度進(jìn)行了討論。評(píng)價(jià)詞語的抽取和判別是對(duì)評(píng)價(jià)詞語的識(shí)別和極性的判斷。

2.3 情感信息的檢索與歸納

情感信息檢索是為用戶檢索出主題相關(guān)且蘊(yùn)含情感信息的文檔，情感信息歸納是為減少用戶瀏覽相關(guān)文檔的事件，針對(duì)大量主題相關(guān)含有情感信息的文檔進(jìn)行分析和整理，將情感分析的結(jié)果提供給客戶作為參考。因此情感信息歸納是對(duì)情感信息檢索的進(jìn)一步加工。

3 情感分析的應(yīng)用

文本情感分析根據(jù)文本數(shù)據(jù)所提供的特征信息來計(jì)算文本的情感傾向，從而為決策的制定提供有力的依據(jù)。文本情感分析作為自然語言處理的基本任務(wù)，是人工智能的關(guān)鍵技術(shù)之一，被廣泛用于醫(yī)療衛(wèi)生、輿情分析、政府管理、國(guó)防建設(shè)等領(lǐng)域。例如隨著電子商務(wù)的高速發(fā)展，在線商品的評(píng)論數(shù)量急劇增加，商品評(píng)論中蘊(yùn)含著具有商業(yè)價(jià)值的用戶偏好信息，對(duì)這些具有主觀性評(píng)論信息進(jìn)行挖掘和分析，消費(fèi)者可以了解到商品的詳細(xì)信息以便更好做出選擇，生產(chǎn)商和銷售商也可以通過消費(fèi)者反饋過來的信息掌握自己的優(yōu)劣勢(shì)，通過改進(jìn)產(chǎn)品或服務(wù)贏得競(jìng)爭(zhēng)優(yōu)勢(shì)。

4 情感分析的研究難點(diǎn)

情感分析作為自然語言處理的子領(lǐng)域，其研究難點(diǎn)有著自然語言處理的共性及其自身的特殊性。情感分析的研究難點(diǎn)有分詞歧義、詞性標(biāo)注歧義和情感語義歧義等[8]。分詞需要面臨歧義切分以及新詞發(fā)現(xiàn)的問題。歧義切分是指在分詞時(shí)面臨多種分詞方式，可以根據(jù)詞語在字典中出現(xiàn)的概率等方法來進(jìn)行判斷，但新詞不存在字典當(dāng)中可能會(huì)導(dǎo)致切分錯(cuò)誤。詞性標(biāo)注歧義，詞性標(biāo)注產(chǎn)生的歧義問題是同一個(gè)詞語在不同的句子中有著不同的詞性類別。情感語義歧義有一詞多義和反義表達(dá)等，一詞多義是指相同的詞語在不同的語境下所表達(dá)的情感傾向并不相同，并且詞性相同、語法相近，所以通過句法分析很難識(shí)別詞語本義。反義表達(dá)是指貶義詞褒用、褒義詞貶用的表達(dá)方式。

5 總結(jié)

隨著互聯(lián)網(wǎng)和自媒體時(shí)代的到來，網(wǎng)上出現(xiàn)了大量的帶有主觀性的文本，對(duì)這些文本進(jìn)行分析，能夠?yàn)閭€(gè)人生活、企業(yè)運(yùn)行、社會(huì)改革以及國(guó)家政策的制定提供支持。情感分類按照不同的劃分方法劃分結(jié)果也不同，本文從情感分析的任務(wù)出發(fā)，對(duì)情感分類、情感信息抽取、情感信息的檢索與歸納三個(gè)任務(wù)進(jìn)行了介紹。對(duì)情感分析的應(yīng)用現(xiàn)狀進(jìn)行了總結(jié)。同時(shí)情感分析的研究中依然存在著許多問題和挑戰(zhàn)，值得我們進(jìn)一步進(jìn)行研究。

[1]中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）.第45次中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告，2020（4）.

[2]趙妍妍，秦兵，劉挺.文本情感分析[J].軟件學(xué)報(bào)，2010，21（08）：1834-1848.

[3]孔杏，林慶.主觀性文本情感分類研究綜述[J].信息技術(shù)，2018，42（08）：126-130+134.

[4]顧宇杰.面向微博評(píng)論的中文文本情感分類研究[D].云南財(cái)經(jīng)大學(xué)，2018.

[5]張柳，王晰巍，王鐸，韋雅楠.微博環(huán)境下高校輿情情感演化圖譜研究——以新浪微博“高校學(xué)術(shù)不端”話題為例[J].現(xiàn)代情報(bào)，2019，39（10）：119-126+135.

[6]秦欣.基于深度學(xué)習(xí)的微博短文本情感分析技術(shù)研究[D].西安建筑科技大學(xué)，2020.

[7]蔣盛益，郭林東，王連喜，符斯慧.評(píng)價(jià)對(duì)象抽取研究綜述[J].自動(dòng)化學(xué)報(bào)，2018，44（07）：1165 -1182.

[8]薛益定.中文情感分析研究綜述[J].電腦編程技巧與維護(hù)，2016（05）：22-24.