中文文本情感倾向性分析.pdfVIP

中文文本情感倾向性分析 黄萱菁 赵 军 过程相当缓慢。由此可见，这一过程的自动 引言 化，具有很好的商业应用前景。 文本情感倾向性分析属于计算语言学 大约在两年半前，《新华网》、《环球时 的范畴。在计算语言学以及相关领域，研究 报》等大众媒体纷纷转载了英国《新科学家》 人员以前普遍关注的是客观性信息的分析 杂志的一则报道，英国Corpora 软件公司开 和提取，对主观性信息分析与提取的研究尚 发了一套名叫 “感情色彩(Sentiment) ”的软 处于起步阶段，存在很多问题需要进行全面 1 件 ，它能判断报纸刊登的文章对一个政党 的探索。这项研究涉及到计算语言学、人工 的政策是持肯定态度还是否定态度、或者网 智能、机器学习、信息检索、数据挖掘等多 上评论文章是称赞还是贬低一种产品，以帮 方面研究基础，因此文本情感倾向性分析也 助政府和一些大公司全面了解公众舆论对 具有重要的学术研究价值。 他们的看法。 总体来看，情感倾向分析的研究大致可 以分成词语情感倾向性分析、句子情感倾向 性分析、篇章情感倾向性研究、海量信息的 整体倾向性预测四个研究层次。接下来将介 绍在各个层次所取得的研究进展，之后是情 感倾向性分析标准语料库的建设和系统评 测，最后是本文的结论。 这则报道之所以引起了舆论的广泛关 注，是因为它介绍的是一个非常新颖而又很 词语情感倾向性分析 有价值的研究方向。所谓文本情感倾向性分 析，就是对说话人的态度（或称观点、情感） 进行分析，也就是对文本中的主观性信息进 对词语的情感倾向研究是文本情感倾 行分析。由于立场、出发点、个人状况和偏 向分析的前提。具有情感倾向的词语以名 好的不同，民众对生活中各种对象和事件所 词、动词、形容词和副词为主，也包括人名、 表达出的信念、态度、意见和情绪的倾向性 机构名、产品名、事件名等命名实体。其中， 必然存在很大的差异。这种差异尤其体现在 除部分词语的褒贬性（或称为极性，通常分 论坛、博客等反映草根观点的网络媒体上。 为褒义、贬义和中性三种）可以通过查词典 长期以来，要了解关于某个问题的报道 2 的方式得到之外，其余词语的极性都无法 是正面的还是反面的，是消极的还是中立 直接获得。而词语的情感倾向除了极性之 的，往往需要求助于调查公司。这些公司的 外，还包括倾向性的强烈程度。例如，“谴 员工仔细阅读有关某个机构、个人、事件或 责”的强度就远远超过了“批评”和“指责”， 问题的所有文字，然后就这些评论的态度做 而这种强度是很难由词典编撰者用人工的 出反馈。这不仅耗费大量人力和财力，而且 方式量化的。另外，词语的极性往往取决于 特定的上下文环境，例如，“骄傲”在表示 1 /products/sentiment.a 2 例如，General Inquirer [Stone,1966] ，知网： spx heep:// 自豪概念时，是褒义词，而在表示自满