程 鋼，陳秀明*，于 翔

（1.阜陽(yáng)師范大學(xué)計(jì)算機(jī)與信息工程學(xué)院，安徽 阜陽(yáng)；2.臺(tái)州學(xué)院電子與信息工程學(xué)院，浙江 臺(tái)州）

引言

文本情感分析是自然語(yǔ)言處理中的熱門研究方向，又稱作文本挖掘。它的主要工作,是對(duì)網(wǎng)絡(luò)各種媒體消息材料、社會(huì)媒體文章,尤其是對(duì)帶有情感色彩的主觀性信息,進(jìn)行提取、分析處理、整合和判斷。

情感表達(dá)由觀點(diǎn)持有者、評(píng)論對(duì)象、情感種類及評(píng)論時(shí)間等四要素構(gòu)成。其中評(píng)論時(shí)間和文字發(fā)布時(shí)間保持一致，通常按網(wǎng)頁(yè)發(fā)布時(shí)間來(lái)確定文章持有者與評(píng)論對(duì)象的提取通常由命名實(shí)體抽取和語(yǔ)義角色分析等方式在文章中獲取; 而對(duì)于文字中所表達(dá)的情感種類分析，根據(jù)其目的內(nèi)涵的不同而選取為不同的情感類種類，在體系上一般包括褒貶、喜怒哀樂悲恐驚、情感評(píng)分(列如1-5 分)等類型。

情感分析領(lǐng)域在國(guó)外已經(jīng)有了十幾年的歷程，但是我國(guó)的研究卻剛剛起步。由于語(yǔ)言的差異，部分國(guó)外的研究技術(shù)無(wú)法轉(zhuǎn)化到中文處理中。所以，對(duì)于中文處理領(lǐng)域的專家們來(lái)說，如何針對(duì)中文語(yǔ)言的特點(diǎn)將某些較為嫻熟的技巧與手段應(yīng)用到中文情感研究領(lǐng)域，是一個(gè)值得積極探索的任務(wù)。

1 方法介紹

1.1 Jieba 分詞與隱馬爾可夫模型

Jieba 庫(kù)的主要作用為分詞、關(guān)鍵詞提取、添加自定義詞典和詞性標(biāo)注，并有精確模式、搜索引擎模式和全模式三種分詞模式。

隱馬爾可夫模型是一種概率轉(zhuǎn)化模型, 如表1 所示：一個(gè)人換下一份工作的轉(zhuǎn)換可能性[1]。

表1 隱馬爾可夫模型轉(zhuǎn)化舉例說明

1.2 LDA 模型

LDA 主題分類法主要是用于預(yù)測(cè)文章的主題狀況，LDA 認(rèn)為文章可根據(jù)主題這么表示：

《美妝日記》{美妝：0.8，美食：0.1，其他：0.1}

假設(shè)我們要制作一個(gè)文本，它里邊的所有單詞產(chǎn)生的概率是[2]：

1.3 TextCNN 模型

與傳統(tǒng)圖像的CNN 網(wǎng)絡(luò)相比,TextCNN 在網(wǎng)絡(luò)結(jié)構(gòu)上幾乎沒有任何變化(甚至更加簡(jiǎn)單了),TextCNN 其實(shí)是一層卷積,就是一個(gè)max-pooling,然后再把圖像進(jìn)行外接softmax 來(lái)n 分類[3]。

1.4 改進(jìn)算法TextRCNN 模型

在TextCNN 系統(tǒng)中，整體網(wǎng)路架構(gòu)使用了卷積層+池化層的架構(gòu)，在RCNN 中，基于卷積層的特征提取的功能逐漸被RNN 所替代，導(dǎo)致整體架構(gòu)設(shè)計(jì)上成為了雙向的RNN+池化層架構(gòu)，又稱為RCNN[4-5]。

1.5 多頭注意力機(jī)制

多頭注意力機(jī)制即將輸入數(shù)據(jù)進(jìn)行多次映射，每次使用不同的作為注意力機(jī)制輸入的查詢，以捕捉不同的表示子空間的特征，從而可獲得更全面、更富有表現(xiàn)力的表示結(jié)果，如圖1 所示。

圖1 多頭注意力

2 實(shí)驗(yàn)過程

2.1 數(shù)據(jù)來(lái)源

這里使用了阿里天池上的語(yǔ)料庫(kù)。共獲取了2500 條數(shù)據(jù)，并將原來(lái)的兩種情感，變?yōu)? 種情感：其中pos：開心pos1：信任neg：難受neg1：疑惑neg2：憤怒neg12：疑惑又憤怒，并將文件以純文字文檔進(jìn)行保存。將其中的4/5 劃分為訓(xùn)練數(shù)據(jù)，1/5 劃分為測(cè)試數(shù)據(jù)，表2 展示的是數(shù)據(jù)具體的分布情況[6-7]。

表2 數(shù)據(jù)分布情況

2.2 數(shù)據(jù)預(yù)處理

去除數(shù)字，字母，分詞，去除停用詞。由于數(shù)據(jù)集的內(nèi)容經(jīng)常會(huì)出現(xiàn)一些非中文與不用的字符以及標(biāo)點(diǎn)符號(hào)等[8]。文本數(shù)據(jù)預(yù)處理后結(jié)果如表3 所示。

表3 數(shù)據(jù)預(yù)處理展示

2.3 舉例說明構(gòu)建開心和疑惑又憤怒的情感的詞云圖[6]

快樂情感詞云見圖2，疑惑又憤怒詞云見圖3。

圖2 快樂情感詞云

圖3 疑惑又憤怒詞云

2.4 從每種情感的詞云圖中挖掘主題

各種情感的主體見表4。

表4 各種情感的主題

通過對(duì)比：開心的主題是價(jià)格和快遞方面，信賴的主題是物流價(jià)格與產(chǎn)品不錯(cuò)，難受的主要主題是售后沒有免費(fèi)，只免費(fèi)了材料費(fèi)，疑惑的主要主題是售后的態(tài)度比較差，憤怒的主要主題是安裝費(fèi)，憤怒疑惑混合的主要主題是安裝收費(fèi)這方面，因?yàn)檫@種情緒最為強(qiáng)烈，所以這種情感反應(yīng)的問題也是最急切的。

2.5 實(shí)驗(yàn)依據(jù)

采用分類精確率precision、召回率recall、平衡F分?jǐn)?shù)f1-score 作為評(píng)價(jià)實(shí)驗(yàn)好壞的指標(biāo)，其表示方法如下：TP：將正類預(yù)測(cè)為正類數(shù);TN：將負(fù)類預(yù)測(cè)為負(fù)類數(shù);FP：將負(fù)類預(yù)測(cè)為正類數(shù)誤報(bào);FN：將正類預(yù)測(cè)為負(fù)類數(shù)，如下依次表示為精確率P，召回率R，平衡F分?jǐn)?shù)F1[9-10]。

2.6 實(shí)驗(yàn)結(jié)果

TextCNN 各情感效果對(duì)比見表5，TextRCNN 各情感效果對(duì)比見表6，TextRCNN-Attention 各情感效果對(duì)比見表7。

表5 TextCNN 各情感效果對(duì)比

表6 TextRCNN 各情感效果對(duì)比

表7 TextRCNN-Attention 各情感效果對(duì)比

通過觀察TextRCNN-Attention 的預(yù)測(cè)效果較好。

結(jié)束語(yǔ)

為了數(shù)據(jù)背后的故事，對(duì)文本做情感分析是一種可行的方式，但它還是不能完全挖掘數(shù)據(jù)背后的故事。我國(guó)漢字博大精深，一詞能代表許多的意思，它涉及對(duì)詞匯、句法和語(yǔ)義規(guī)則的深刻理解，所以對(duì)情感的準(zhǔn)確分析還有很長(zhǎng)的一段路要走。在大數(shù)據(jù)背景下，自然語(yǔ)言的廣度和復(fù)雜度得到進(jìn)一步的發(fā)展，同時(shí)也帶來(lái)了更大的挑戰(zhàn)，其發(fā)展仍需要很長(zhǎng)一段時(shí)間，望砥礪前行。