張麗軍 殷銘 王飛

【摘 要】網(wǎng)絡(luò)信息良莠不齊，如何充分利用成為當(dāng)今的研究重點(diǎn)。情感分析是其中重要的研究分支，通過對(duì)這些信息進(jìn)行深度分析挖掘，識(shí)別出用戶的情感趨向或得出其觀點(diǎn)，甚至發(fā)現(xiàn)情感隨時(shí)間的演化規(guī)律，從而便于分析出用戶的消費(fèi)習(xí)慣，發(fā)掘出熱點(diǎn)輿情，給企業(yè)、政府等機(jī)構(gòu)提供重要的決策依據(jù)。本文側(cè)重于主觀性語言中句子級(jí)的情感研究，結(jié)合Bo Pang，Lillian Lee（2004）提出句子情感分析子任務(wù)，本研究從兩個(gè)方面展開1）主觀句識(shí)別，提取文本中包含的主觀句；2）主觀句的情感分類，包含句子的褒貶分類和句子的褒貶強(qiáng)弱分類在內(nèi)。并在此基礎(chǔ)之上，總結(jié)情感分析未來的研究趨勢(shì)。

【關(guān)鍵詞】海量信息；主觀句；情感分析；研究趨勢(shì)

一、引言

隨著互聯(lián)網(wǎng)的發(fā)展，網(wǎng)絡(luò)信息呈指數(shù)級(jí)增長，如何從海量信息中提取出潛在的有價(jià)值的信息已經(jīng)成為迫切需要解決的問題。該問題也引起了各領(lǐng)域?qū)＜液脱芯空叩淖⒁?，學(xué)者們從各個(gè)角度展開研究，嘗試給出解決方案。其中針對(duì)海量信息進(jìn)行情感分析也是很重要的一個(gè)研究分支，該研究方向通過對(duì)信息深度分析挖掘，識(shí)別用戶的情感或者觀點(diǎn)的趨向性，甚至從中分析出情感隨時(shí)間的變化規(guī)律，從而進(jìn)一步挖掘出用戶的消費(fèi)習(xí)慣、挖掘出當(dāng)前用戶關(guān)注的熱點(diǎn)、挖掘出輿情的動(dòng)態(tài)，給各機(jī)構(gòu)、各企業(yè)、各級(jí)政府等提供重要的決策依據(jù)。而情感研究方向，根據(jù)研究對(duì)象粒度的不同，又可細(xì)分為詞語級(jí)、句子級(jí)以及篇章級(jí)的情感分析，其中句子級(jí)情感分析是目前的研究熱點(diǎn)之一。結(jié)合Bo Pang，Lillian Lee（2004）提出的句子情感分析子任務(wù)以及文獻(xiàn)[1]：句子的主觀分類、句子的褒貶分類以及句子的褒貶強(qiáng)弱分類，本研究將從如下兩個(gè)方面展開研究：

1）主觀語句的識(shí)別，從海量信息中提取出含有主觀傾向的語句。

2）主觀語句的情感分類，包括兩個(gè)子方面：語句的褒貶分類以及語句的褒貶強(qiáng)弱程度的分類。

此外，本研究在此基礎(chǔ)上，嘗試預(yù)測句子級(jí)情感分析的未來主流研究趨勢(shì)。

二、主客觀分析

所謂主客觀的分析，就是從雜亂的文本中將含有主觀語言的部分抽取出來，將不帶感情色彩的文本過濾掉。1）基于詞典的方法。利用預(yù)先建立的詞典（可以是人工標(biāo)注也可以是機(jī)器自動(dòng)獲取的，統(tǒng)計(jì)文本中出現(xiàn)的詞語是否具有情感信息， 進(jìn)而判斷其主客觀性。2）基于統(tǒng)計(jì)的方法。利用訓(xùn)練好的數(shù)據(jù)， 采用某種機(jī)器學(xué)習(xí)方法（例如SVM，最大熵），判斷新數(shù)據(jù)應(yīng)該劃分為主觀還是客觀。3）基于圖的方法。利用求最小割的方法把文本在句子級(jí)別上切分為主客觀兩個(gè)部分[4]。

2.1基于詞典的方法

文獻(xiàn)[5]以SentiWordNet為基礎(chǔ)，構(gòu)建一個(gè)中文傾向性詞表，其處理方法是：首先將一些不用的詞語即停用詞等從句子中剔除掉，在一定程度上降低句子向量的維度，也是的句子的向量化速度得到了很大的提高；其次，在利用SVM分類器來判斷句子的具體情感趨向。

文獻(xiàn)[6]則專注于研究各形容詞對(duì)于識(shí)別主觀性句子情感傾向的作用，主要研究“開心”、“很棒”等各種形容詞，發(fā)現(xiàn)具有情感傾向的形容詞對(duì)該研究做出了很大的貢獻(xiàn)。

文獻(xiàn)[7]提出在自動(dòng)識(shí)別主觀性句子要關(guān)注網(wǎng)絡(luò)非規(guī)范詞語，其把來自網(wǎng)絡(luò)的非規(guī)范漢語詞匯分為典型非規(guī)范漢語詞匯和歧義非規(guī)范漢語詞匯。針對(duì)兩類詞匯分別采用不同的算法進(jìn)行識(shí)別。

文獻(xiàn)[8]研究了基于HowNet的情感詞典的構(gòu)建，提出屬性加權(quán)的統(tǒng)計(jì)學(xué)習(xí)算法來進(jìn)行情感分析，增強(qiáng)情感詞在文本傾向性分類中的貢獻(xiàn)，具體實(shí)現(xiàn)了屬性加權(quán)的樸素貝葉斯和屬性加權(quán)的評(píng)分算法。

2.2基于統(tǒng)計(jì)的方法

文獻(xiàn)[9]構(gòu)建了一個(gè)系統(tǒng)，該系統(tǒng)可以講述事實(shí)的如新聞、公告等普通文本中挖掘出帶有情感傾向的主觀性的句子。

文獻(xiàn)[10]實(shí)現(xiàn)了一個(gè)基于主動(dòng)學(xué)習(xí)的漢語意見元素標(biāo)注工具，可以自動(dòng)識(shí)別句子中的主題、情感和意見持有者等意見元素。主動(dòng)學(xué)習(xí)算法具有需要訓(xùn)練樣例較少，受不平衡訓(xùn)練樣例干擾較小，分類性能較好等特點(diǎn)。

文獻(xiàn)[11]提出了一種中文的傾向性句子識(shí)別分類算法，該算法以N-gram超核為基礎(chǔ)，首先構(gòu)造出一個(gè)結(jié)合句子的具體特征N-gram超核函數(shù)，再以該函數(shù)為基礎(chǔ)結(jié)合SVM分類器對(duì)識(shí)別出其中具有中文傾向性的句子。通過對(duì)比實(shí)證發(fā)現(xiàn)，該算法比多項(xiàng)式核、N-gram核等單核函數(shù)更能有效識(shí)別出帶有情感傾向的主觀語句。

文獻(xiàn)[12]則構(gòu)建了一個(gè)Opinion Finder系統(tǒng)，該系統(tǒng)在結(jié)合必要的上下文信息前提下，借助目前主流的自然語言處理工具，對(duì)句子先后進(jìn)行：對(duì)不同句子標(biāo)記不同記號(hào)、標(biāo)注詞語詞性、對(duì)句子中的修飾詞進(jìn)行修剪等操作，然后將處理后的句子利用NB分類器來識(shí)別。

文獻(xiàn)[4]通過試驗(yàn)說明了上下文信息對(duì)句子情感分析的重要性，而CRF（條件隨機(jī)場）模型能有效的利用上下文信息。

2.3基于圖的方法

文獻(xiàn)[12]利用以往的一個(gè)工作，假定主客觀屬性相同的句子，位置分布上也會(huì)比較接近，從而把候選的句子構(gòu)成了一幅圖，然后利用求圖最小割的方法來分類主、客觀句子。

三、情感分類

在識(shí)別出主觀性評(píng)價(jià)文本之后，下一步工作就是判斷主觀性句子的傾向了。接下來的部分，本研究將主要梳理一下目前主觀性句子的傾向性研究現(xiàn)狀。

學(xué)者姚天昉等[14]給出一套解決方案，該方案以領(lǐng)域本體和句法分析中的依存關(guān)系為基礎(chǔ)，識(shí)別出句子的主題，計(jì)算出主題與情感描述項(xiàng)之間的關(guān)系、以及主題的情感極性。

徐琳宏等人則提出了一種基于語義理解的漢語文本極性自動(dòng)識(shí)別機(jī)制[15]。

此外，學(xué)者們[16] [17]還提出了基于HowNet的詞匯語義傾向性分析法以及基于同義詞詞林的方法等。除此之外，也有使用機(jī)器學(xué)習(xí)等統(tǒng)計(jì)的方法來獲取詞語的語義傾向性的研究。

李娟等[18]以同義詞詞典、褒貶義詞典為基礎(chǔ)，實(shí)現(xiàn)主觀性詞語傾向性的自動(dòng)判別。先前很多研究只以褒貶義詞典為基礎(chǔ)，而該方法在此基礎(chǔ)上還加入了同義詞詞典，從很大程度上擴(kuò)大了褒貶義詞典的范圍。此外，該方法使用了N元語法模型，克服了一詞多極性不可判定傾向的困難。該研究也通過實(shí)證對(duì)比驗(yàn)證了該思路的可行性和有效性。

王根[19]則將褒貶標(biāo)記間的冗余關(guān)系納入了考慮范圍，給出了一種以CRF為基礎(chǔ)的一體式框架。該框架中通過模型嵌入了潛在的、冗余的狀態(tài)標(biāo)記，從而便顯出不同標(biāo)記之間的層級(jí)關(guān)系。但是，由于這些標(biāo)記的存在，使得算法復(fù)雜度大大提高，另一方面，由于在每一個(gè)層級(jí)中有可觀標(biāo)記，使得分類的精度也有一定程度的降低。

劉康等[20]把句子的褒貶度分析問題看作一個(gè)序列標(biāo)注的問題，給出了一種基于層級(jí)CRFs模型的文本傾向性分析方法，利用從粗到細(xì)的策略，在CRFs框架下，充分考慮上下文信息的影響，把句子褒貶度分類和褒貶強(qiáng)度分類進(jìn)行區(qū)分，利用多個(gè)CRFs模型分開處理。較標(biāo)準(zhǔn)CRFs減少了兩個(gè)任務(wù)之間的影響，較好的改善了冗余標(biāo)記的標(biāo)注精度。作者利用CRFs定義句子情感分類的上下文依賴和標(biāo)識(shí)冗余，文章利用句子級(jí)的觀點(diǎn)分類問題的兩個(gè)特點(diǎn)，第一個(gè)特點(diǎn)，把文章觀點(diǎn)看作是一個(gè)序列標(biāo)記問題并且利用條件隨機(jī)場（CRFs）模型來表示文章中兩個(gè)相鄰句子之間的關(guān)系，第二個(gè)特點(diǎn)，提出了一個(gè)基于CRF模型的方法原來的工作成為把它分為一個(gè)層次結(jié)構(gòu)，由原始的標(biāo)記集和一些傳統(tǒng)的隱含標(biāo)記，在層次分析框架中，因?yàn)檫@些特征與原始的標(biāo)記有關(guān)但是還沒有，這些“冗余標(biāo)記”能夠用來表示不同情感分類的冗余和層次關(guān)系，在這個(gè)方面，不僅情感強(qiáng)弱排序能夠提升，主客觀分類的準(zhǔn)確度和傳統(tǒng)的情感分析方法相比也有了提升，對(duì)比層次方法，提出的方法能夠有效的減少錯(cuò)誤增長。這種方法最大的特點(diǎn)是考慮了不同級(jí)別情感分析之間難得相互影響，但是其編碼和解碼過程比較復(fù)雜。

四、研究趨勢(shì)

通過如上研究可知，目前對(duì)于情感分析越來越熱，在巨大商業(yè)利益的驅(qū)動(dòng)和廣大研究先行者的不懈努力下，句子級(jí)情感分析也取得了相當(dāng)?shù)难芯砍晒?，為進(jìn)一步的研究提供了理論支撐與實(shí)證支持：從技術(shù)上來看，目前已經(jīng)研究出結(jié)合多領(lǐng)域技術(shù)的各種分類方法和特征選取方案；從效果上來看，在保證文本來源可信可靠的前提下，在分析對(duì)象清洗的基礎(chǔ)之上，很多準(zhǔn)確率高的模型、產(chǎn)品甚至系統(tǒng)已經(jīng)相繼出現(xiàn)。

結(jié)合技術(shù)與效果的成效來看，在接下來的研究中，情感分析可能有如下發(fā)展趨勢(shì)，詳見表2。

相信，隨著技術(shù)的不斷進(jìn)步和學(xué)者們的不斷探索，情感分析將會(huì)出現(xiàn)更大的突破，更多更先進(jìn)更成熟的產(chǎn)品和系統(tǒng)。

參考文獻(xiàn)：

[1]周立柱，賀宇凱，王建勇.情感分析研究綜述[J].計(jì)算機(jī)應(yīng)用，2008，28（11）：2725-2728

[2]Bo Pang and Lillian Lee.2005.Seeing stars：Exploiting class relationships for sentiment categorization with respect to rating scales[A].In：Proceedings of the ACI 2005[c].115.

[3]Y. Mao， G. Lebanon， 2O07. Isotonic Conditional Random Fields and Local Sentiment Flow[A].In：The Neural Information Processing Systems（NIPS1 9）[c].2007

[4]蒙新泛，王厚.主客觀識(shí)別中的上下文因素的研究[J]. 清華大學(xué)出版社，2009： 594-599

[5]李藝紅，蔣秀鳳.中文句子傾向性分析[J].福州大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2010（04）： 504-508

[6]HATZIVASSILOGLOUV， WIEBE JM. Effects ofadjective orienta-tion and gradability on sentence subjectivity[C]//Proceedingsof the 18th Conference on Computational Linguistics. Morristown， NJ，USA： Association forComputationalLinguistics， 2000： 299-305.

[7]姚天昉，張霄凱. 一種網(wǎng)絡(luò)非規(guī)范漢語詞匯的識(shí)別方法[J]. 清華大學(xué)出版社， 2009： 540-545.

[8]周德友. 基于HoWNet的中文語義傾向性分析技術(shù)研究[D].東北大學(xué)碩士論文

[9]YUH， HATZIVASSILOGLOU V. Towards answering opinion ques-tions： Separating facts from opinions and identifying the polarity opinion sentences[C]//Proceedings of the 2003 Conference on EmpiricalMethods in Natural Language Processing. Morristown， NJ，USA： Association forComputationalLinguistics， 2003： 129-136.

[10]宋鴻彥， 基于主動(dòng)學(xué)習(xí)的語料自動(dòng)標(biāo)注方法研究. 上海交通大學(xué)碩士論文， 2010（10）.

[11]廖祥文，李藝紅.基于N-gram超核的中文傾向性句子識(shí)別[J].中文信息學(xué)報(bào)，2011（05）： 第89-93，100頁.

[12]WILSON T， HOFFMANN P， SOMASUNDARAN S，etal.Opinion-Finder： A system for subjectivity analysis[C]// Proceedings of the 2005 Human Language Technology Conference and Conference on EmpiricalMethods in Natural Language Processing. Morristown， NJ， USA： Association for Computational Linguistics， 2005： 34-35.

[13]PANG B， LEE L. A sentimental education： Sentiment analysis u-sing subjectivity summarization based on minimum cuts[C]// Pro-ceedingsof the 42ndAnnualMeeting of theAssociation forComputa- tionalLinguistics. Morristown， NJ， USA： Association forComputa-tionalLinguistics， 2004： 271-278.

[14]姚天昉，婁德成.漢語語句主題語義傾向分析方法的研究.中文信息學(xué)報(bào).2007.21（5）

[15]徐琳宏，林鴻飛，楊志豪.基于語義理解的文本傾向性識(shí)別機(jī)制[J].中文信息學(xué)報(bào)，2007， 21（1）： 96-100.

[16]朱嫣嵐，閔錦，周雅倩.基于HowNet的詞匯語義傾向計(jì)算[J].中文信息學(xué)報(bào)，2006，20（1）：14-20.

[17]婁德成，姚天昉.漢語句子語義極性分析和觀點(diǎn)抽取方法的研究[J].計(jì)算機(jī)應(yīng)用，2006，26（11）：2622-2625.

[18]李娟，張全.賈寧.中文詞語傾向性分析處理.計(jì)算機(jī)工程與應(yīng)用2009，45（2）131-133

[19]王根，趙軍.基于多重冗余標(biāo)記RF的句子情感分析研究[A].全國第九屆計(jì)算語言學(xué)聯(lián)合學(xué)術(shù)會(huì)與[c].2007：600-605

[20]劉康，趙軍.基于層疊CRFs模型的句子褒貶度分析研究[J].中文信息學(xué)報(bào)， 2008.22（1）.123-128