基于特征的非正式短文本情感分析研究.docVIP

基于特征的非正式短文本情感分析研究-工程论文 基于特征的非正式短文本情感分析研究 黄正伟① HUANG Zheng-wei；沈丹① SHEN Dan；蔡政英② CAI Zheng-ying （①三峡大学经济与管理学院，宜昌 443002；②三峡大学计算机与信息学院，宜昌 443002） 摘要：非正式短文本包含着许多复杂的语义信息，这给文本情感分析研究工作增加了难度，例如不能明确文本所表达的主题、目的和特点。本文提出基于特征向量模型和依存法对非正式短文本作情感分析研究，利用依存句法提取文本的情感元组并计算其情感值，它可以判别文本的情感属性是积极地还是消极地，或者是中立的，并能够通过程度副词判断情感强度。 关键词 ： 情感分析；特征向量模型；非正式短文本 中图分类号：TP391.1 文献标识码：A 文章编号：1006-4311（2015）23-0256-02 基金项目：国家自然科学基金。 作者简介：黄正伟（1972-），男，湖北大冶人，三峡大学经济与管理学院副教授，博士，主要研究方向为电子商务、信息系统；沈丹（1990-），女，湖北咸丰人，三峡大学经济与管理学院硕士研究生，主要研究方向为物流管理；蔡政英（1975-），男，江西会昌人，三峡大学计算机与信息学院副教授，博士，主要研究方向为人工智能算法。 0 引言 文本情感分析就是将文本所表达的情感信息量化，研究一段文本所表达的积极的、消极的或者中立的极性，来分析文本的情感倾向性。 近十年来，出现了大量关于文本情感分析的研究。目前对文本情感倾向性的研究大致可以分为两类：一是基于有监督（supervised）的情感分析研究。Kiritchenko提出了一个基于有监督的统计文本分类法来分析文本表现形式、语义和情感特征，并建立了一个情感分析系统。Liu通过基于情感强度的有监督情感分类的特征加权算法对产品评论进行情感分析。Deng提出基于术语在文本中的重要性和术语对所表达的情感的重要性的有监督的术语加权方法来改善情感分析和文本挖掘的性能。Felipe提出了利用基于元级特征（meta-level features）的文本情感分类方法。Anjaria提出一个有监督基于支持向量机朴素贝叶斯最大熵和人工神经网络的、利用直接和间接特征来提取文本观点。二是基于无监督（unsupervised）的情感极性分析研究。Terrana提出了一个利用推特中的情感符来自动分类文本情感极性的无监督的方法，Malandrakis研究了无监督的语义情感模型（semantic-affective models）的自适应算法，Ou通过将微博间的链接分类，提出一个无监督的内容和链接情感模型（CLUSM ：Content and Link Unsupervised Sentiment Model）来作微博链接信息的情感分析。Li提出了无监督情感导向特征选择法（USFS ：unsupervised sentiment-bearing feature selection method ）来识别主观文档的不同情感倾向类别。Fu提出了一个无监督的多方面情感分析方法，它可以自动发现中国社会评论的不同方面以及各方面表达的情感。另外，也有一些研究是基于半监督的（semi-supervised），例如Hassan提出把马尔科夫随机漫步模型运用到大量词关系图中来文本的情感极性，Kim提出通过半监督的非线性降维分类方法，可以通过递减的发觉的错误除去多余的特征。 社交网络迅速发展，微博等非正式短文本充斥网络，本文在分析非正式短文本特征的基础上，提出利用依存句法来分析文本的情感极性。 1 建立模型 基于特征的六元组模型： 元组表示数据库中的一条记录，本文基于文本的语义特征建立六元组模型，该模型中不仅包含描述作者意见的特征，还包括词语间的修饰关系和标点符号。 符号说明： T表示一个一般文本； wn代表作者意见的权重； vi代表作者意见的特征向量； f表示作者意见的属性； o是特征f的观点词； m是观点词o的修饰语的数量； s是观点词o的修饰语的平均分数； n是观点词o的否定词的数量； p是语句的标点符号。 在本文的六元组特征模型中，定义一般文本 T={（v1，w1），（v2，w2），…，（vn，wn）}（1） vi=（f，o，m，s，n，p）（2） 其中，修饰语o是表示程度的副词，如“非常”、“很”等，修饰语会影响文本所表达的情感，一个文本中往往具有多个程度副词修饰文本语义，在本文的算