包淑華 石盈鑫

(呼倫貝爾學(xué)院 內(nèi)蒙古 海拉爾 021008)

隨著人們生活質(zhì)量的提高和國內(nèi)電影市場的迅速發(fā)展，去電影院觀看電影已成為人們休閑娛樂的活動之一。有關(guān)數(shù)據(jù)顯示，2020年國產(chǎn)電影達(dá)到了歷史最高，占全年電影放映量的84%，對國產(chǎn)電影影評研究的多樣性也日以展現(xiàn)。

近年來，自然語言處理技術(shù)得到了以計算機科學(xué)為代表的自然科學(xué)領(lǐng)域到社會科學(xué)領(lǐng)域的廣泛關(guān)注，并且在新聞傳播、輿論管理、觀點分析等問題中展示了不容忽視的價值。[1]

國外從事情感分析的相關(guān)人員開發(fā)了很多基于實用方向的情感分析文本分類系統(tǒng)。[2]國內(nèi)從20世紀(jì)90年代起，多位學(xué)者開始了對情感分析實用價值的研究，并建立了輔助研究情感分析的自動圖書分類系統(tǒng)。例如，東北大學(xué)圖書館“圖書分類系統(tǒng)”、長春地質(zhì)學(xué)院圖書館“圖書分類系統(tǒng)”[3]。

每個人都是信息的締造者也是使用者，越來越多的企業(yè)都嘗試從數(shù)據(jù)中挖掘有價值的信息來解決業(yè)務(wù)的問題。[4]身處大數(shù)據(jù)時代，人們?nèi)绾尉_、快速地找到所需信息已經(jīng)成為當(dāng)前研究的焦點。[5]本文正是以此為初衷，針對同一時期上映的相似主題的電影影評進(jìn)行不同角度的情感分析，使觀眾獲得怎樣去“多選一”地觀看電影的參考依據(jù)。為體現(xiàn)所用方法的有效性，文章選取了觀眾所熟悉的兩部國產(chǎn)電影《媽媽再愛我一次》和《你好，李煥英》。邵小青等[6]以Python語言在情感分析中的應(yīng)用為基礎(chǔ)，通過爬取豆瓣影評《你好，李煥英》的評論數(shù)據(jù)，對電影的情感評價程度進(jìn)行了可視化展示；不足之處是只適用于單個文本的情感分析。本文在它的基礎(chǔ)上改用應(yīng)用軟件Python與ROSTCM6相結(jié)合的方法，對影評進(jìn)行分析。其中，ROSTCM6統(tǒng)計軟件用于電影影評的詞頻統(tǒng)計,它對于較大的影評數(shù)據(jù)操作方便，統(tǒng)計出來的數(shù)據(jù)的估計值也更加精確。通過SnowNLP進(jìn)行影評的情感分析。本文在李伊淑[7]的研究基礎(chǔ)上進(jìn)行了文本的高頻詞提取，估計出電影所要表達(dá)出的情感趨向。這不僅能為媒體、電影市場、社交網(wǎng)站提供口碑及相關(guān)服務(wù)，[8]也有助于提高情感分析準(zhǔn)確率的目的。

1 基礎(chǔ)理論知識介紹

1.1 情感分析

情感分析是自然語言處理領(lǐng)域的一個任務(wù)，又稱傾向性分析、情感挖掘、主觀性分析等，它是對帶有情感色彩主觀性文本進(jìn)行分析、處理、歸納和推理的過程。[9]

對于短評的情感分析方法可以分為兩大類：基于情感詞典匹配法和基于Python語句的機器情感分析?；谇楦性~典匹配的情感分析是指，對影評中的文本內(nèi)容進(jìn)行分詞和停用詞處理，然后用Python(相關(guān))軟件結(jié)合情感詞典匹配情感詞語，找出積極和消極詞匯。基于Python語句的機器情感分析也叫基于機器學(xué)習(xí)的情感分析，主要是利用軟件篩選文本中有積極情感與消極情感的語句，再用機器學(xué)習(xí)法對篩選出的語句進(jìn)行分析。

1.2 中文分詞

本文利用Python軟件第三方Jieba庫進(jìn)行中文分詞。分詞模式及函數(shù)如表1所示：

表1 分詞三種模式

1.3 TF-IDF算法

TF-IDF算法通過TF來反映文本內(nèi)部特征，[10]可用以評估一詞(字)對于一份文本的重要程度。它實際上是TF(詞頻)與IDF(逆文檔頻率)的乘積，算法如下

(1)

其中，ω代表計算的詞或字，N代表語料庫的文檔總數(shù)，n代表語料庫中包含ω的文檔數(shù)。

這里的特征項為詞語或單獨的字。

2 影評數(shù)據(jù)處理

2.1 數(shù)據(jù)來源

利用第三方爬蟲軟件“八爪魚”對所要分析的兩部電影《你好，李煥英》和《媽媽再愛我一次》進(jìn)行電影影評數(shù)據(jù)的爬取。由于軟件的局限性，只爬取了豆瓣電影上的影評數(shù)據(jù)，每部電影影評220條。

2.2 數(shù)據(jù)預(yù)處理

2.2.1 利用情感詞典分詞

本文選擇知網(wǎng)HowNet情感詞典與臺灣大學(xué)NTUSD簡體中文情感詞典作為基礎(chǔ)情感詞典。利用情感詞典分詞步驟如下：

對這兩個情感詞典進(jìn)行整合與去重。將知網(wǎng)HowNet中的正面中文情感詞語和正面評價中文詞語進(jìn)行組合，再與臺灣大學(xué)NTUSD情感詞典中的積極詞語進(jìn)行去重合并作為積極情感詞典導(dǎo)入Python軟件中備用。

將知網(wǎng)HowNet中的負(fù)面情感中文詞語和負(fù)面評價中文詞語進(jìn)行組合，再與臺灣大學(xué)NTUSD情感詞典中的消極詞語進(jìn)行去重合并作為消極情感詞典導(dǎo)入Python軟件中備用。

將知網(wǎng)HowNet情感詞典中的程度中文詞語進(jìn)行分類。如，將程度詞“極其”和“最”的意義詞語分為第一類；將“很”的意義詞語作為第二類；將“較”的意義詞語分為第三類；將“稍”的意義的詞語分為第四類，并作為程度情感詞典導(dǎo)入Python軟件中。利用Python軟件Jieba庫進(jìn)行分詞處理。

2.2.2 去除停用詞

將影評分詞后的文檔進(jìn)行停用詞處理，本文選擇了哈爾濱工業(yè)大學(xué)的停用詞作為自定義停用詞表，對影評進(jìn)行了停用詞處理。

2.2.3 文本特征抽取

分詞進(jìn)行去停用詞后，對兩部電影的影評數(shù)據(jù)進(jìn)行詞頻分析，得到“電影”“媽媽”為第一、第二高頻詞。前10個詞語及出現(xiàn)次數(shù)情況如表2:

表2 影評高頻詞

將相關(guān)數(shù)據(jù)(截止2021年7月，豆瓣電影網(wǎng)爬取的數(shù)據(jù))代入算式(1)，可以得到下列影評TF-IDF值表：

表3 影評TF-IDF值(排序前10的高頻詞)

表3中的TF-IDF值越大，這說明詞語在文本的重要性越強。更加清晰地展現(xiàn)了這些詞在影評中的重要程度。

3 影評情感分析

3.1 共詞矩陣

共詞矩陣用于公共的關(guān)鍵詞，它通過關(guān)鍵詞出現(xiàn)在不同評論中的次數(shù)列出矩陣，以便更加快速地計算分類信息與共詞矩陣，以此來描述詞組間的親密度。

本文利用表2與分詞后的影評數(shù)據(jù)相結(jié)合得到兩部電影的共詞矩陣。因得到的共詞矩陣數(shù)據(jù)較為龐大，依據(jù)詞與詞之間存在的相關(guān)性較強的進(jìn)行篩選，列出具有相關(guān)性的10個詞構(gòu)成以下共詞矩陣。

3.1.1 《你好，李煥英》共詞矩陣

根據(jù)，“電影、媽媽、賈玲、觀眾、母親、女兒、導(dǎo)演、李煥英、穿越、小品”等10個詞的順序構(gòu)成的共詞矩陣如(圖1)：

圖1 《你好，李煥英》共詞矩陣

由圖1可以看出，詞“電影”與“賈玲”之間存在最高的關(guān)聯(lián)。因為，賈玲是本電影的導(dǎo)演且是主演之一。其次，“電影”與“觀眾”之間存在較高的關(guān)聯(lián)，這說明，一部電影的口碑與觀眾對于電影的評價密切相關(guān)；“電影”與“母親”“媽媽”等詞語之間的親密度也明確了這部電影的主題。

3.1.2 《媽媽再愛我一次》共詞矩陣

根據(jù)，“電影、媽媽、電影院、小時候、記得、小學(xué)、組織、學(xué)校、這部、當(dāng)年”等10個詞的順序構(gòu)成的共詞矩陣如下：

圖2 《媽媽再愛我一次》共詞矩陣

由圖2可以看出，“電影”和“媽媽”有高度的關(guān)聯(lián)性，也明確了電影的主題。其它與“電影”存在密切關(guān)系的詞也說明了這部電影的久遠(yuǎn)。

3.2 語義網(wǎng)絡(luò)圖

語義網(wǎng)絡(luò)圖是指，語義網(wǎng)絡(luò)中信息被表達(dá)為一組結(jié)點，結(jié)點通過一組帶標(biāo)記的有向直線彼此相連，用于表示結(jié)點間的關(guān)系。

本文用ROSTCM6軟件與情感詞典相結(jié)合的方法對電影進(jìn)行情感分析，得出電影評論數(shù)據(jù)的積極、中性、消極評論，并進(jìn)行語義網(wǎng)絡(luò)構(gòu)建。圖3是電影《你好，李煥英》的積極語義網(wǎng)絡(luò)圖：

圖3 《你好，李煥英》積極語義網(wǎng)絡(luò)圖

3.3 SnowNLP情感分析

SnowNLP情感分析是基于情感詞典來實現(xiàn)，它將所要分析的文本歸為兩類來進(jìn)行處理。情感一般為積極、中性和消極，本文在處理過程中只研究了文本的積極與消極情感。在SnowNLP情感分析中，情感分?jǐn)?shù)區(qū)間為[0,1]，越接近1，表明情感越積極，越接近0，表明情感越消極。

通過Python軟件第三方SnowNLP庫得到相關(guān)影評的情感分?jǐn)?shù)，如表4：

表4 影評的情感分?jǐn)?shù)

根據(jù)表4繪制出兩部電影的情感分?jǐn)?shù)圖，更直觀地展示出兩部電影趨于積極還是消極的情感。

圖4 《你好，李煥英》情感分?jǐn)?shù)圖

圖5 《媽媽再愛我一次》情感分?jǐn)?shù)圖

情感分?jǐn)?shù)圖以橫坐標(biāo)0.5作為影評積極評價與消極評價值的分界，情感分?jǐn)?shù)分布在[0,0.5)區(qū)間內(nèi)為消極評價，情感分?jǐn)?shù)分布在(0.5,1]內(nèi)為積極評價，縱坐標(biāo)表示評價量。

由圖4、圖5看出，對于電影《你好，李煥英》的情感分?jǐn)?shù)主要集中于區(qū)間(0.5,1]，電影《媽媽再愛我一次》的情感分?jǐn)?shù)明顯集中在[0.8,1]區(qū)間。這體現(xiàn)電影《媽媽再愛我一次》的積極性情感更強。

對表4的數(shù)據(jù)，利用Python軟件第三方庫SnowNLP情感分析進(jìn)行操作，放入代碼得到圖6、圖7。其中，橫坐標(biāo)表示電影所爬取的影評數(shù)，縱坐標(biāo)表示評價值，設(shè)置大于0.5為積極情感評價，小于0.5表示消極情感評價，0.5為分界值。圖4中的波動圖在大于0.5的范圍內(nèi)未見明顯集中趨勢；圖5中的波動圖在大于0.5的范圍內(nèi)相對集中在[0.8,1]區(qū)間。此結(jié)果與“情感分?jǐn)?shù)圖”的結(jié)論一致。情感分?jǐn)?shù)圖與情感波動圖在本質(zhì)上體現(xiàn)的意義是相同的，讀者可根據(jù)實際需要自行選擇。

圖6 《你好，李煥英》情感波動圖

圖7 《媽媽再愛我我一次》情感波動圖

結(jié)語

本文使用大數(shù)據(jù)軟件與統(tǒng)計軟件相結(jié)合的方法，尋找文本所需要的不同情感傾向，使其以量化的形式展現(xiàn)了出來。利用TF-IDF統(tǒng)計方法估計文本的重要詞，并構(gòu)建出共詞矩陣，解決了因影評數(shù)據(jù)過多的繁瑣性且使用的文本研究方法具體、準(zhǔn)確。特別是對同一時期上映的相似主題的電影進(jìn)行不同角度的情感分析，使觀眾能按自己的喜好進(jìn)行多選一觀看。本文只對小于四字詞語進(jìn)行了分析，爬取了豆瓣電影中的部分短評，在影評數(shù)據(jù)爬取上存在量的不足，數(shù)據(jù)較單一。在后期的研究中可以對研究的領(lǐng)域和角度進(jìn)行進(jìn)一步的探究。