机器语音语言应用技术-文本情感倾向分析.docxVIP

实验9文本情感倾向分析

一、实验目的

1.熟悉中文情感分析的技术原理和应用。

2.基于情感词典的中文情感分析操作过程。

二、实验内容

1.算法原理

1.1基本描述

本实验文本情感倾向分析采用情感词典情感分析来实现，通过情感打分的方式进行文本情感极性判断，不同程度词赋值权值，否定词取反性情感，综合比较不同极性分数。

文本情感分析（SentimentAnalysis，SA），又称倾向性分析、意见抽取（Opinionextraction）、意见挖掘（Opinionmining）、情感挖掘（Sentimentmining）、主观分析（Subjectivityanalysis），是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。

文本情感分析的目的是为了找出说话者/作者在某些话题上或者针对一个文本两极观点的态度。这个态度或许是他或她的个人判断或是评估，也许是他当时的情感状态（就是说，作者在做出这个言论时的情绪状态），或是作者有意向的情感交流（就是作者想要读者所体验的情绪）。文本情感分析的应用非常广泛，如网络舆情风险分析，信息预测等。例如通过Twitter用户情感预测股票走势、电影票房、选举结果等，均是将公众情绪与社会事件对比，发现一致性，并用于预测。

1.2专业术语

按照处理文本的粒度不同，文本情感分析大致可分为篇章级、句子级、词语级三个研究层次：

1）篇章级情感分析：

篇章级别的情感分类是指定一个整体的情绪方向/极性，即确定该文章（例如，完整的在线评论）是否传达总体正面或负面的意见。在这种背景下，这是一个二元分类任务。它也可以是回归任务，例如，从1到5星的审查推断的总体评分。也可以认为这是一次5级分类任务。

我们可以将自然语言处理技术与模糊逻辑技术相结合，基于手动创建的模糊情感词典，对新闻故事和电影评论进行情感分析。定义情感种类，在模糊情感词典中标注情感类别及其强度。每个词语可以属于多个情感类别。在实验中，可以对比采用词频、与长度相关的特征、语义倾向、情感PMI—IR、强调词和特殊符号等不同特征时的结果。最后对文章的主动性/被动性和积极/消极性进行了判断。

2）句子级情感分析：

由于句子的情感分析离不开构成句子的词语的情感，其方法划分为三大类：基于知识库的分析方法、基于网络的分析方法、基于语料库的分析方法。

我们在对文本信息中句子的情感进行识别时，通常创建的情感数据库会包含一些情感符号、缩写、情感词、修饰词等等。我们在具体的实验中会定义几种情感（生气、憎恨、害怕、内疚、感兴趣、高兴、

悲伤等），对句子标注其中一种情感类别及其强度值来实现对句子的情感分类。

3）词语级情感分析：

词语的情感是句子或篇章级情感分析的基础。早期的文本情感分析主要集中在对文本正负极性的判断。词语的情感分析方法主要可归纳为三类：

a）基于词典的分析方法。

基于词典的分析方法利用词典中的近义、反义关系以及词典的结构层次，计算词语与正、负极性种子词汇之间的语义相似度，根据语义的远近对词语的情感进行分类。

b）基于网络的分析方法。

基于网络的分析方法利用万维网的搜索引擎获取查询的统计信息，计算词语与正、负极性种子词汇之间的语义关联度，从而对词语的情感进行分类。

c）基于语料库的分析方法。

基于语料库的分析方法，运用机器学习的相关技术对词语的情感进行分类。机器学习的方法通常需要先让分类模型学习训练数据中的规律，然后用训练好的模型对测试数据进行预测

2.功能设计

2.1功能描述

AiNLP人工智能轻量化应用框架是一款面向于人工智能自然语言应用的开发框架，采用统一模型调用、统一硬件接口、统一算法封装和统一应用模板的设计模式，实现了嵌入式边缘计算环境下进行快

速的应用开发和项目实施。

AiNLP为模型算法的调用提供RESTful调用接口，实时返回自然语言算法处理结果，同时通过物联网云平台的应用接口，实现与硬件的连接和互动，最终形成各色智联网产业应用。

AiNLP框架如下图所示：

三、实验步骤

1.工程部署

1.1硬件部署

1）准备人工智能边缘应用平台，给边缘计算网关正确连接Wi-Fi天线、电源。

2）按下电源开关上电启动边缘计算网关，将启动ubuntu操作系统。

3）系统启动后，连接局域网内的Wi-Fi网络，记录边缘计算网关的IP地址

1.2工程部署

1）运行MobaXterm工具，通过SSH登录到边缘计算网关（参考附录2）。

2）在SSH终端创建实验工作目录：

$mkdir-p~/ainlp-exp

3）通过SSH将本实验工程代码和ainlp工程包（DISK-AILab\02-软件资料