陳可嘉，柯永誠，林鴻熙

(1.福州大學(xué) 經(jīng)濟(jì)與管理學(xué)院，福建 福州 350108；2.莆田學(xué)院 商學(xué)院，福建 莆田 351100)

0 引 言

人們往往會(huì)查閱產(chǎn)品評(píng)論進(jìn)行購買決策，但用戶偏好的不同以及海量評(píng)論易導(dǎo)致信息過載[1]。因此，評(píng)論挖掘技術(shù)應(yīng)運(yùn)而生，產(chǎn)品特征提取作為首要任務(wù)，其結(jié)果好壞會(huì)直接影響后續(xù)任務(wù)[2]。產(chǎn)品特征提取可分為顯式和隱式特征提取。顯式特征是以文字形式在評(píng)論出現(xiàn)的特征；隱式特征是不以文字形式出現(xiàn)在評(píng)論的特征，但能通過語境推斷[3]，如“太貴了”中“貴”經(jīng)由語境推斷出它修飾特征“價(jià)格”。30%的中文評(píng)論含有隱式特征[4]。因此，深入研究隱式特征提取能獲得更完整的特征信息。

當(dāng)前隱式特征提取的主要策略是通過某種算法提取顯式特征與情感詞，基于其共現(xiàn)關(guān)系為情感詞確定隱式特征[5]。其研究方法包括關(guān)聯(lián)規(guī)則、主題模型、句法關(guān)系、機(jī)器學(xué)習(xí)等。前兩種方法難以發(fā)現(xiàn)低頻詞，機(jī)器學(xué)習(xí)又過于依賴標(biāo)注數(shù)據(jù)集，而句法關(guān)系能利用詞語依存關(guān)系提取出低頻詞，所以近年來有不少研究都融入了句法關(guān)系。但還存在以下不足：一是以名詞為候選特征，并主要考慮主謂關(guān)系[6]，但特征詞還有動(dòng)詞、動(dòng)名詞等詞性，在句法關(guān)系上也有動(dòng)補(bǔ)結(jié)構(gòu)、并列關(guān)系等。二是僅考慮形容詞[7，8]，或利用情感詞典識(shí)別情感詞[9]，前者忽略其它詞性的情感詞，后者是情感詞有限，且與英文詞典資源相比，中文詞典資源較為匱乏。三是由于隱式特征難以觀測，使多數(shù)研究僅關(guān)注顯式特征提取[10，11]，少數(shù)隱式特征提取研究也基本上面向英文評(píng)論[3，12]，不利于隱式特征提取研究發(fā)展。

針對(duì)上述不足，本文主要考慮中文評(píng)論出現(xiàn)情感詞條件下的隱式特征提取，提出一種基于句法規(guī)則與情感詞的隱式特征提取方法。通過考慮多種特征詞詞性及句法關(guān)系，利用詞向量和中文情感詞典構(gòu)建特征詞典和混合情感詞典，以此定義句法規(guī)則來提取顯式特征-情感詞，并基于其共現(xiàn)情況來提取隱式特征。

1 相關(guān)工作

目前特征提取研究主要關(guān)注顯式特征提取。邱云飛等[7]使用條件隨機(jī)場和貪婪式特征選擇來提取顯式特征。Wan等[13]將詞匯關(guān)聯(lián)組合及相關(guān)約束融入主題模型來提取顯式特征詞。Lee等[14]改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)來提取關(guān)鍵特征。

在隱式特征提取上的研究相對(duì)較少。最早的隱式特征提取思想是由Liu等[15]提出，利用關(guān)聯(lián)規(guī)則提取顯式特征-情感詞對(duì)，根據(jù)其映射關(guān)系提取隱式特征。隨后，Wang等[16]使用頻率、點(diǎn)互信息(pointwise mutual information，PMI)等多種算法計(jì)算共現(xiàn)度，通過規(guī)則選擇來識(shí)別隱式特征。Zainuddin等[17]使用關(guān)聯(lián)規(guī)則和詞性模式提取顯式特征，并結(jié)合句法分析器提取隱式特征。Karagoz等[18]通過匹配候選詞與情感詞，以及情感詞與顯式特征的共現(xiàn)關(guān)系確定隱式特征。Eldin等[19]使用語言及啟發(fā)式模式提取顯式特征，并應(yīng)用布谷鳥搜索算法從候選特征列表識(shí)別隱式特征。在利用機(jī)器學(xué)習(xí)或深度學(xué)習(xí)識(shí)別隱式特征方面，Rana等[20]定義規(guī)則來識(shí)別用戶意見的潛在線索，考慮意見詞、隱式特征線索和歸一化谷歌距離的共現(xiàn)關(guān)系提取隱式特征。Feng等[21]利用深度卷積神經(jīng)網(wǎng)絡(luò)提取顯式特征-情感詞，考慮特征詞作為主題及其與情感詞的匹配度提取隱式特征。Afzaal等[22]使用餐廳和酒店領(lǐng)域的決策樹為單詞指定特征類。Mir等[23]使用BiLSTM-CRF來提取顯式特征，并將結(jié)果用于處理各類隱式評(píng)論。

2 隱式特征提取方法

本文提出一種基于句法規(guī)則與情感詞的隱式特征提取方法，包括數(shù)據(jù)收集與預(yù)處理、情感資源構(gòu)建和隱式特征提取3個(gè)階段，其框架流程如圖1所示。首先從數(shù)據(jù)集提取評(píng)論數(shù)據(jù)，進(jìn)行分句、分詞等預(yù)處理操作，并基于實(shí)驗(yàn)語料和外部語料訓(xùn)練詞向量；然后，借助中文情感詞典構(gòu)建混合情感詞典，并使用外部語料詞向量實(shí)現(xiàn)情感詞擴(kuò)展；最后，使用實(shí)驗(yàn)語料詞向量構(gòu)建特征詞典，根據(jù)構(gòu)建的兩個(gè)詞典，通過定義句法規(guī)則來提取顯式特征-情感詞，根據(jù)其共現(xiàn)關(guān)系獲得隱式特征詞典，以此提取隱式特征。

圖1 本文方法框架流程

2.1 數(shù)據(jù)收集與預(yù)處理

從評(píng)論數(shù)據(jù)集提取實(shí)驗(yàn)語料R={r1，r2，…，rn}，同時(shí)收集大規(guī)模文本作為外部語料。后續(xù)預(yù)處理工作包括：

評(píng)論分句。按照標(biāo)點(diǎn)符號(hào)將長評(píng)論ri(1≤i≤n) 切分成多個(gè)單句sij，即ri={si1，si2，…，sij}，其中j≥1。

分詞與詞性標(biāo)注。采用jieba分詞對(duì)分句后的實(shí)驗(yàn)語料和外部語料進(jìn)行分詞和詞性標(biāo)注。

依存句法分析。采用哈工大Pyltp[10]進(jìn)行句法分析，獲得詞語的依存句法關(guān)系。

詞向量訓(xùn)練。利用Gensim庫的Word2Vec類分別對(duì)實(shí)驗(yàn)語料和外部語料進(jìn)行向量表示，得到相應(yīng)詞向量。

2.2 情感資源構(gòu)建

情感資源構(gòu)建工作包括中文情感資源收集、混合情感詞典構(gòu)建和基于評(píng)論語料的情感詞擴(kuò)展3個(gè)方面。

2.2.1 中文情感資源收集

中文語境的情感詞識(shí)別及極性判斷，一般要借助情感詞典，通過判斷情感詞、否定詞和程度副詞來度量情感極性或強(qiáng)度。具體來說，情感詞表達(dá)積極、中立或消極的觀點(diǎn)，否定詞能轉(zhuǎn)變情感方向，程度副詞能增強(qiáng)或減弱情感。為了識(shí)別情感詞及修飾詞，本文使用3種詞典，即混合情感詞典、程度副詞和否定詞詞典。

(1)基礎(chǔ)情感詞典

現(xiàn)有不少公開可用的中文情感詞典資源，如HowNet詞典、NTUSD詞典、大連理工情感詞匯本體[24]、中文褒貶義詞典。這些詞典將作為構(gòu)建混合情感詞典的基礎(chǔ)情感詞典。

(2)程度副詞和否定詞詞典

本文選擇HowNet的程度副詞詞典來識(shí)別副詞，并利用網(wǎng)絡(luò)整理了一份如表1的否定詞詞典。

表1 否定詞詞典

2.2.2 混合情感詞典構(gòu)建

本文結(jié)合情感詞在基礎(chǔ)情感詞典的極性來構(gòu)建混合情感詞典。步驟如下：

步驟1 取出各情感詞典中極性較明顯的情感詞，通過合并去重得到情感詞集E={e1，e2，…，ew}。

步驟2 對(duì)于情感詞ev(1≤v≤w)，其極性值pv范圍為[-4，0)∪(0，+4]。通過統(tǒng)計(jì)ev在各情感詞典的極性來確定pv，計(jì)算方式如式(1)所示

pv=∑poscountv-∑negcountv

(1)

式中：∑poscountv為ev在各詞典中極性為積極的總次數(shù)，∑negcountv為ev在各詞典中極性為消極的總次數(shù)。

步驟3 根據(jù)極性值pv的大小判斷ev極性。如果pv大于零、小于零或等于零，則ev的情感極性分別為積極、消極或中性，并添加到混合情感詞典的積極詞表DO、消極詞表DB或中性詞表DU。

2.2.3 基于評(píng)論語料的情感詞擴(kuò)展

為進(jìn)一步擴(kuò)展情感詞，本文利用外部語料詞向量，使用詞嵌入模型的相似性功能來搜索實(shí)驗(yàn)語料的情感詞。這里僅考慮形容詞作為擴(kuò)展對(duì)象。步驟如下：

步驟1 對(duì)某個(gè)不在混合情感詞典而在實(shí)驗(yàn)語料的形容詞A，預(yù)設(shè)兩個(gè)空子列表，分別用于存放語義相近的積極、消極情感詞。

步驟2 利用外部語料詞向量計(jì)算A與詞表DO、DB內(nèi)各情感詞的相似度，并設(shè)置閾值。如果A與某積極情感詞的相似度大于閾值，則將該情感詞添加到積極子列表，消極情感詞的添加方式同理。情感分?jǐn)?shù)AC計(jì)算方式如式(2)

(2)

式中：apos>0或aneg>0，apos為積極子列表的詞數(shù)，aneg為消極子列表的詞數(shù)。

步驟3 根據(jù)情感分?jǐn)?shù)AC確定A的極性。如果AC大于零、小于零或等于零，則A的情感極性分別為積極、消極或中性，并加入情感詞集E及相應(yīng)極性詞表。

2.3 隱式特征提取

構(gòu)建混合情感詞典是為了有效識(shí)別情感詞，以便在特征提取時(shí)使用。接下來就是通過定義句法規(guī)則提取顯式特征及情感詞，以此實(shí)現(xiàn)隱式特征提取。主要工作包括建立產(chǎn)品特征詞典、顯式特征提取和隱式特征指定。

2.3.1 建立產(chǎn)品特征詞典

建立特征詞典能約束特征提取過程中的句法分析結(jié)果，以減少噪音詞?；谖墨I(xiàn)[10]，建立步驟如下：

步驟1 根據(jù)官網(wǎng)、電商平臺(tái)等網(wǎng)站的產(chǎn)品說明，以及用戶評(píng)價(jià)習(xí)慣，將產(chǎn)品特征細(xì)分為一些粗粒度特征和細(xì)粒度特征，得到細(xì)粒度特征集F={f1，f2，…，fk}。

步驟2 統(tǒng)計(jì)實(shí)驗(yàn)語料中名詞、動(dòng)詞、動(dòng)名詞等詞頻，設(shè)置閾值，并為細(xì)粒度特征fh(1≤h≤k) 人工選取代表詞mhl(l≥1)，其中mhl表示fh的第l個(gè)代表詞，從而獲得基礎(chǔ)特征詞典。

步驟3 利用實(shí)驗(yàn)語料詞向量歸類剩余詞匯，計(jì)算待歸類詞cword和各細(xì)粒度特征的相似度，即計(jì)算cword和fh下代表詞簇的相似度平均值，將其分配到相似度最高的細(xì)粒度特征。同時(shí)設(shè)置閾值過濾一些噪音詞。待歸類詞cword與fh的相似度計(jì)算如式(3)，其中y∈[1，l]且為整數(shù)

(3)

步驟4 人工校驗(yàn)并修正歸類結(jié)果，得到細(xì)粒度特征fh={featureh1，featureh2，…，featurehx}，其中featurehx表示fh下屬的第x個(gè)顯式特征詞，由此獲得最終的特征詞典。

2.3.2 顯式特征提取

本文提取的詞對(duì)以[特征詞，情感詞，修飾詞]的形式表示。文中使用的句法關(guān)系見表2。提取方法如下：①定義6種句法規(guī)則，從句法分析結(jié)果提取[特征詞，情感詞]二元組。②根據(jù)情感詞與修飾詞的句法關(guān)系，提取修飾詞，構(gòu)成更為完善的三元組。

表2 句法關(guān)系描述及示例

(1)定義句法規(guī)則提取二元組

本文提出以下6種句法規(guī)則來提取顯式特征，相關(guān)示例的句法分析如圖2所示。

圖2 相關(guān)句法規(guī)則的示例分析

SBV規(guī)則：如果某特征詞featurehx為主語，情感詞ev為謂語，并且兩者存在SBV關(guān)系，則能提取出二元組[featurehx，ev]。以“性價(jià)比比較高”為例，其句法分析如圖2(a)所示。

VOB規(guī)則：如果某特征詞featurehx為賓語，情感詞ev為謂語，并且兩者存在VOB關(guān)系，則能提取出二元組[featurehx，ev]。評(píng)論“包裝太垃圾”的句法分析可見圖2(b)。

FOB規(guī)則：如果某特征詞featurehx作為評(píng)價(jià)對(duì)象，情感詞ev為謂語，并且兩者存在FOB關(guān)系，就能提取出二元組[featurehx，ev]。評(píng)論“價(jià)位也還能接受”的句法分析可見圖2(c)。

ATT規(guī)則：如果某情感詞ev是定語，修飾特征詞featurehx，則能構(gòu)成二元組[featurehx，ev]。評(píng)論“很漂亮的鏡頭”的句法分析可見圖2(d)。

CMP規(guī)則：當(dāng)特征詞為動(dòng)詞時(shí)，其情感詞一般為動(dòng)詞補(bǔ)足語。因此，如果情感詞ev是動(dòng)詞補(bǔ)足語，修飾特征詞featurehx，則能構(gòu)成二元組[featurehx，ev]。評(píng)論“成像很好”的句法分析可見圖2(e)。

COO規(guī)則：如果特征詞featurehx、featurebc(b≠h或c≠x)并排出現(xiàn)在評(píng)論中，并且兩者存在COO關(guān)系，而featurehx與情感詞ev又存在某種句法關(guān)系，則認(rèn)為featurebc與ev也有這種關(guān)系，從而提取二元組[featurehx，ev]和[featurebc，ev]。以“外形和手感都不錯(cuò)”為例，其句法分析如圖2(f)所示。

(2)包含修飾詞的三元組提取

僅提取二元組是不夠的，還需要根據(jù)情感詞的句法關(guān)系來識(shí)別修飾詞，形成更為完善的三元組。

ADV規(guī)則：當(dāng)某修飾詞q與[featurehx，ev]的情感詞ev存在ADV關(guān)系時(shí)，且該修飾詞在副詞或否定詞詞典中，則能形成三元組[featurehx，ev，q]。以圖2(a)為例，通過SBV規(guī)則能提取出[性價(jià)比，高]，同時(shí)“比較”修飾“高”，兩者存在ADV關(guān)系，因此能提取出“比較”，構(gòu)成三元組[性價(jià)比，高，比較]。

CMP規(guī)則：如果某修飾詞q與[featurehx，ev]的情感詞ev存在CMP關(guān)系，且該修飾詞在副詞或否定詞詞典中，則能形成三元組[featurehx，ev，q]。如圖2(g)的示例，根據(jù)SBV規(guī)則能提取[價(jià)格，高]，而“一些”修飾“高”，兩者存在CMP關(guān)系，因此，能提取并形成三元組[價(jià)格，高，一些]。

2.3.3 隱式特征指定

根據(jù)2.3.2節(jié)獲得基于實(shí)驗(yàn)語料的情感詞集E’，以此統(tǒng)計(jì)顯式特征與情感詞的搭配次數(shù)，根據(jù)其共現(xiàn)關(guān)系提取隱式特征。步驟如下：

步驟1 將E’中情感詞ev與不同特征詞的搭配次數(shù)轉(zhuǎn)化為與其上屬細(xì)粒度特征的共現(xiàn)次數(shù)。即ev與細(xì)粒度特征fh的共現(xiàn)次數(shù)為ev與其下屬特征詞featurehx搭配次數(shù)的總和。

步驟2 以ev對(duì)應(yīng)共現(xiàn)次數(shù)最多的細(xì)粒度特征作為其默認(rèn)特征，推出E’中各情感詞的默認(rèn)特征，獲得{情感詞：隱式特征}形式的隱式特征詞典。

步驟3 重新遍歷評(píng)論，如果評(píng)論有在E’而未被提取的情感詞，則根據(jù)隱式特征詞典推導(dǎo)隱式特征，提取包含隱式特征的元組。

3 實(shí)驗(yàn)與分析

3.1 數(shù)據(jù)收集與預(yù)處理

實(shí)驗(yàn)數(shù)據(jù)集來自Zhang等[25]發(fā)布的相機(jī)評(píng)論數(shù)據(jù)集。每條評(píng)論都標(biāo)注了顯式特征及情感詞，示例如圖3所示。其中，[價(jià)格，超值，1，1，N]里“1”表示標(biāo)注詞極性，“N”表示沒有情感否定。本文提取了20 000條用戶評(píng)論作為實(shí)驗(yàn)語料，同時(shí)人工標(biāo)注200條含隱式特征的評(píng)論，共14個(gè)細(xì)粒度特征的297個(gè)結(jié)果。

圖3 相機(jī)數(shù)據(jù)集評(píng)論示例

分句過程以“？？?。?。.”等標(biāo)點(diǎn)符號(hào)作為分句標(biāo)志。使用jieba分詞進(jìn)行分詞與詞性標(biāo)注，并加入自定義詞典來提高分詞準(zhǔn)確率，包括感光度、遮光罩等。在詞性標(biāo)注去掉了顏表情、無意義字符等字符。在依存句法分析上，則使用Pyltp的依存句法分析模塊，將句法關(guān)系保存為七元組，如[ATT，做工，0，v，手感，1，n]，其中第一位表示兩詞的句法關(guān)系，第二至四位分別表示該句法關(guān)系指向的核心詞及其位置、詞性，第五至七位分別表示該句法關(guān)系從屬的修飾詞及其位置、詞性。此外，對(duì)實(shí)驗(yàn)語料和外部語料進(jìn)行詞向量訓(xùn)練的相關(guān)參數(shù)見表3。

表3 詞向量訓(xùn)練語料及參數(shù)

本文以精確率(Precision)、召回率(Recall)和F1值作為評(píng)價(jià)指標(biāo)，計(jì)算公式如式(4)～式(6)所示

(4)

(5)

(6)

3.2 實(shí)驗(yàn)結(jié)果及分析

3.2.1 情感資源構(gòu)建

首先在情感詞選擇上，HowNet選用正負(fù)面的情感詞與評(píng)價(jià)詞表，大連理工情感本體選用極性標(biāo)注為0、1、2的情感詞，NTUSD和中文褒貶義詞典則全部選用。然后，通過合并去重獲得總情感詞表，利用式(1)計(jì)算各情感詞的極性值，由此構(gòu)建混合情感詞典，其中積極詞表、中性詞表、消極詞表分別包含16 037、3324、18 414個(gè)情感詞。最后，利用外部語料詞向量和式(2)進(jìn)行情感詞擴(kuò)展，擴(kuò)展的積極詞、中性詞、消極詞分別為137、19、129個(gè)。另外，構(gòu)建過程不考慮詞長在4以上的情感詞，相似度閾值為0.5。部分?jǐn)U展詞如圖4所示。

圖4 基于實(shí)驗(yàn)語料擴(kuò)展的情感詞

3.2.2 隱式特征提取

首先，基于中關(guān)村、京東等網(wǎng)站的產(chǎn)品說明，結(jié)合用戶評(píng)價(jià)習(xí)慣建立基礎(chǔ)特征詞典，得到價(jià)格、外觀設(shè)計(jì)、曝光控制、鏡頭、電源、拍攝性能、屏幕、基本參數(shù)、服務(wù)這9類粗粒度特征，其下包括價(jià)格、性價(jià)比、顏色、材質(zhì)等21個(gè)細(xì)粒度特征。其次，通過詞頻統(tǒng)計(jì)，為各細(xì)粒度特征人工選取3個(gè)詞頻在3以上的代表詞，得到21個(gè)細(xì)粒度特征下的63個(gè)代表詞匯。如“鏡頭配置”選取的代表詞為鏡頭、濾鏡和鍍膜。然后，利用實(shí)驗(yàn)語料詞向量和式(3)計(jì)算待歸類詞與各細(xì)粒度特征的相似度，進(jìn)行特征歸類，相似度閾值為0.5。最后，人工校驗(yàn)歸類結(jié)果，得到255個(gè)顯式特征詞，即相機(jī)特征詞典，部分歸類結(jié)果見表4。

表4 相機(jī)評(píng)論的特征歸類結(jié)果

根據(jù)2.3.2節(jié)定義的句法規(guī)則，以及建立的特征詞典和混合情感詞典，從實(shí)驗(yàn)語料提取了31 966個(gè)元組，包括[耗電量，大，太]、[顏色，美觀]等?；谒迷M，統(tǒng)計(jì)情感詞與顯式特征的搭配次數(shù)，并轉(zhuǎn)化為與不同細(xì)粒度特征的共現(xiàn)次數(shù)。將共現(xiàn)次數(shù)最多的細(xì)粒度特征作為情感詞的默認(rèn)特征。例如，根據(jù)圖5發(fā)現(xiàn)情感詞“好看”與細(xì)粒度特征“顏色”、“外觀”、“拍照性能”的共現(xiàn)次數(shù)分別為120、275和14，則可以指定“好看”的默認(rèn)隱式特征為“外觀”。由此獲得隱式特征詞典。最后，重新遍歷評(píng)論，如果評(píng)論有在情感詞集而未被提取的情感詞，則根據(jù)隱式特征詞典確定隱式特征，并提取元組。如評(píng)論“確實(shí)不好看”，“好看”由于缺少相應(yīng)的顯式特征而未被提取，那么重新遍歷時(shí)，則能根據(jù)隱式特征詞典查到其隱式特征為“外觀”，并根據(jù)句法關(guān)系，提取三元組[外觀，好看，不]。

圖5 情感詞與細(xì)粒度特征的共現(xiàn)次數(shù)

3.2.3 對(duì)比與分析

本文設(shè)計(jì)了對(duì)比實(shí)驗(yàn)來表明提出方法的有效性。實(shí)驗(yàn)共分3組：第一組是驗(yàn)證加入句法關(guān)系和混合情感詞典的有效性；第二組是與其它顯式特征提取工作的對(duì)比實(shí)驗(yàn)；第三組是與其它隱式特征提取工作的對(duì)比實(shí)驗(yàn)。

(1)加入句法關(guān)系和混合情感詞典的有效性驗(yàn)證實(shí)驗(yàn)

為驗(yàn)證句法關(guān)系和混合情感詞典的有效性，本文設(shè)計(jì)一組實(shí)驗(yàn)來比較不同方法的準(zhǔn)確度、召回率和F1值。基礎(chǔ)方法包括：①基于詞向量歸類的特征詞典的特征詞提取，由base_WE表示；②結(jié)合歸類的特征詞典、句法關(guān)系、以形容詞為情感詞的特征提取方法，由base_WE+DE表示；③結(jié)合歸類的特征詞典、句法關(guān)系、以HowNet為情感詞典的特征提取，由base_WE+DE+HN表示；④結(jié)合歸類的特征詞典、句法關(guān)系和以混合情感詞典為情感詞典的特征提取，由base_WE+DE+EW表示，即本文方法。另外，將隱式特征提取表示為Imp_Recogn。結(jié)果見表5。

表5 基礎(chǔ)方法組合及結(jié)果

從表5可知，不同方法的精確率、召回率和F1值存在差異。base_WE的精確率和F1值最低，召回率較低，原因可能是語料標(biāo)注詞沒有本文的特征詞典那么細(xì)致，一些特征詞并不在原標(biāo)注詞內(nèi)，如“價(jià)保”、“對(duì)焦”等。加入句法關(guān)系后(即base_WE+DE)，其精確率和F1值大幅提高，召回率略降，一個(gè)可能原因是利用句法關(guān)系能有效識(shí)別情感詞，提取更多的特征詞。為提高情感詞識(shí)別能力，將HowNet和混合情感詞典分別融入base_WE，發(fā)現(xiàn)雖然精確率略降，但召回率和F1值都有所提升，其中本文方法(即base_WE+DE+EW)的F1值最高，融入HowNet的base_WE次之，可能原因在于情感詞典的情感詞更多，詞性更豐富，因此能覆蓋更多的語料情感詞，召回更多的特征詞。根據(jù)圖6，基礎(chǔ)情感詞典中NTUSD的情感詞覆蓋率最低，HowNet最高，與其相比，擴(kuò)展的混合情感詞典的情感詞更多，情感詞覆蓋率比HowNet高17.4%，足以體現(xiàn)本文構(gòu)建與擴(kuò)展混合情感詞典方法的有效性。

圖6 各詞典在實(shí)驗(yàn)語料的情感詞覆蓋率

(2)顯式特征提取工作對(duì)比實(shí)驗(yàn)

本文選擇下列3種方法作為對(duì)比方法，以驗(yàn)證本文方法在顯式特征提取的有效性。

(1)詞性標(biāo)記法，記為base-POS。將名詞、動(dòng)詞作為候選特征，提取詞頻在3以上的候選特征詞。

(2)基于FP-growth的提取方法，記為base-FP?；谖墨I(xiàn)[6]的方法，使用FP增長算法提取產(chǎn)品特征的頻繁項(xiàng)集，最小支持度為1%，并進(jìn)行單字剪枝和非特征項(xiàng)過濾。

(3)基于句法規(guī)則的提取方法，記為base-Rule。根據(jù)文獻(xiàn)[26]使用由詞性和句法關(guān)系構(gòu)成的評(píng)價(jià)搭配模板來提取特征詞及評(píng)價(jià)詞。

不同方法的顯式特征提取結(jié)果見表6。

表6 不同方法的顯式特征提取結(jié)果

由表6可以發(fā)現(xiàn)，本文方法表現(xiàn)最好，在精確率和F1值上與對(duì)比方法相比有較大提升，說明了本文方法的有效性。詞性標(biāo)注法將所有名詞與動(dòng)詞視為特征詞，召回特征詞的同時(shí)也包含了大量噪音詞，因此雖然召回率最高，但精確率太低，影響最終的F1值。基于FP增長算法的提取方法由于僅考慮高頻詞，排除了低頻詞，導(dǎo)致最終性能受限。而基于句法規(guī)則的提取方法，雖然評(píng)價(jià)搭配模板能提取出較遠(yuǎn)距離的評(píng)價(jià)對(duì)象及評(píng)價(jià)詞，但受用戶表達(dá)習(xí)慣的影響，移植性差，因此最終性能也有限。與上述方法相比，本文方法雖然召回率較低，但在精確率和F1值上取得了更優(yōu)的效果，不僅考慮了句法關(guān)系，同時(shí)兼顧特征詞與情感詞的識(shí)別，利用特征詞典和混合情感詞典約束句法分析結(jié)果，排除一些無效或干擾項(xiàng)，使方法的移植性更強(qiáng)，更易實(shí)現(xiàn)。

(3)隱式特征提取工作對(duì)比實(shí)驗(yàn)

PMI算法通過計(jì)算兩個(gè)詞在上下文的共現(xiàn)概率來判斷其相關(guān)性，共現(xiàn)概率越高，則相關(guān)性越大。詞w1與詞w2的PMI值計(jì)算如下

(7)

文獻(xiàn)[16]利用PMI算法來獲取評(píng)論的隱式特征，本文以此作為隱式特征提取對(duì)比的基準(zhǔn)方法?；谒锰卣?情感詞元組，使用PMI算法查找實(shí)驗(yàn)語料中顯式特征與情感詞的共現(xiàn)情況，找到各情感詞相應(yīng)PMI值最大的特征詞，并對(duì)應(yīng)到上屬細(xì)粒度特征。實(shí)驗(yàn)結(jié)果在297個(gè)隱式特征標(biāo)注結(jié)果中非“外觀”的有162個(gè)，而正確提取的僅35個(gè)，其余均為“外觀”，因此結(jié)果并不理想，召回率為19.87%?？赡茉蛟谟凇巴庥^”作為常見的細(xì)粒度特征，其相關(guān)特征詞在評(píng)論語料的出現(xiàn)概率很高，導(dǎo)致其最終PMI值偏高。由表5的結(jié)果可知，本文隱式特征提取的召回率為72.05%，遠(yuǎn)高于基準(zhǔn)方法，因此具有一定的有效性。

4 結(jié)束語

本文提出了一種基于句法規(guī)則與情感詞的隱式特征提取方法。首先，提取評(píng)論數(shù)據(jù)并進(jìn)行預(yù)處理，再分別利用實(shí)驗(yàn)語料和外部語料訓(xùn)練詞向量。然后，借助中文情感詞典資源、外部語料詞向量構(gòu)建并擴(kuò)展混合情感詞典。最后，使用實(shí)驗(yàn)語料詞向量構(gòu)建特征詞典，根據(jù)兩個(gè)詞典和定義的句法規(guī)則來提取顯式特征及情感詞，根據(jù)其共現(xiàn)關(guān)系獲取隱式特征詞典，通過重新遍歷評(píng)論來發(fā)現(xiàn)隱式特征。實(shí)驗(yàn)結(jié)果表明本文方法具有一定的有效性。不過，本文僅考慮了出現(xiàn)情感詞條件下的隱式特征提取，對(duì)于產(chǎn)品評(píng)論可能不會(huì)出現(xiàn)情感詞的特征提取情況還有待進(jìn)一步探索與研究。