基于依存句法的评论情感极性分析.pdfVIP

第33卷 第5期 贵州师范大学学报 (自然科学版) Vo1．33．No．5 2015年 10月 JournalofGuizhouNormalUniversity(NaturalSciences) 0ct．2015 文章编号 ：10o4--5570(2o15)05—0070—05 基于依存句法的评论情感极性分析 邹海林，杨 华 (贵州师范大学 数学与计算机科学学院，贵州 贵阳 550001) 摘要：以评论文本作为研究对象，结合评论文本情感表达清晰、评论对象明确的特点，提出一种基于依存句法的 文本特征抽取方法，以提高评论文本情感极性分析中的准确率。抽取评论文本中依存情感单元(Emotionalde- pendencyunit，EDU)作为情感表达的基本特征，使用支持向量机 (SVM)训练情感极性分类器，对评论文本进行情 感极性分类，同时分析否定词、程度副词 、关联词对文本情感极性的影响。实验结果表明采用依存情感元组特征 的情感极性分类器准确度达到73％左右，当加入否定词 、程度副词 、关联词特征时情感分类结果的准确率可达 到80％左右，从而既提高了情感极性分类准确率又论证了否定词、程度副词、关联词特征分析在情感分析中的 重要性 。 关 键 词：依存句法；依存情感元组；支持向量机；情感极性；准确率 中图分类号 ：TP391．4 文献标识码：A Commentsemotionalpolarityanalysisbasedon syntacticdependency ZOU Hailin，YANG Hua (SchoolofMathematicsandComputerScience，GuizhouNormalUniversity，Guiyang，Guizhou550001，China) Abstract：Commenttexttothestudy，combinedwithcommenttextemotionalexpressionclearandspe— cificcharacteristicsofcommentobjects，proposedatextfeatureextractionmethodbasedondependency syntax ，inordertoimproveemotional polaritycommenttextanalysisaccuracy．Commenttextextraction emotionaldependencyunit(EDU)asabasicfeatureofemotionalexpression，throughsupportvector machine(SVM)methodsaffectivepolarityclassifiertraining，andemotionalpolaritycommenttext classification，simultaneousanalysisimpactofnegativewords，thedegreeofadverbs，conjunctionsto thetextemotionalpolarity．Experimentalresultsshow thattheuseofemotionaldependencycharacteris— ticemotionalpolaritytupleclassification accuracyofaround73％ ，when addingnegativewords，ad— verbsofdegree，conjunctionscharacteristicstheemotionalclassificationaccuracyratecanreach80 percent，whichnotonly improvestheemotionalpolarityclassification accuracyalsodemonstratedthe negativewords，thedegreeofadverbs，conjuncti