裴錦隆 張利寬

摘要：本文通過抓取某電子商務(wù)網(wǎng)站醫(yī)學(xué)圖書客戶評(píng)價(jià)和某醫(yī)院圖書館讀者評(píng)語，然后構(gòu)建了基于投票機(jī)制的情感挖掘模型，并對(duì)此模型進(jìn)行實(shí)驗(yàn)驗(yàn)證，使用此模型對(duì)讀者評(píng)語進(jìn)行了評(píng)價(jià)分析，為圖書館圖書評(píng)價(jià)，圖書選擇提供了客觀的支持。

關(guān)鍵詞：情感挖掘 圖書 模型

一、引言

用戶評(píng)價(jià)在產(chǎn)品體驗(yàn)中扮演著越來越重要的角色，隨著大數(shù)據(jù)時(shí)代的到來，人們逐漸地認(rèn)識(shí)到，通過對(duì)用戶評(píng)語的分析，進(jìn)而能夠判斷消費(fèi)者對(duì)產(chǎn)品的認(rèn)可度。在醫(yī)院圖書管理方面也不例外，如今許多醫(yī)院都建立了在線圖書館，并提供讀者對(duì)數(shù)據(jù)的評(píng)論平臺(tái)，這樣為通過分析讀者評(píng)語而挖掘讀者喜好，客觀判斷圖書的受歡迎程度提供了可能。本文試圖通過構(gòu)建讀者評(píng)語的情感挖掘模型，判斷讀者對(duì)圖書的喜好，進(jìn)而對(duì)醫(yī)院圖書館所購圖書的受歡迎度進(jìn)行衡量。

二、情感挖掘模型

（一）情感挖掘研究現(xiàn)狀

情感挖掘是指通過分析挖掘文本所隱含的語義和情感信息，將文本劃分為支持和反對(duì)（正性情感和負(fù)性情感）的兩類[1]。情感挖掘是一種特殊的文本分類，作為自然語言處理的一個(gè)重要部分，由于在商務(wù)智能、公眾意見分析中的實(shí)用性，情感挖掘已經(jīng)成為自然語言處理領(lǐng)域的一個(gè)熱點(diǎn)，得到了眾多學(xué)者的重視。

現(xiàn)有情感挖掘的研究方法主要有兩種，基于情感詞典的方法和基于機(jī)器學(xué)習(xí)的方法。基于情感詞典的方法主要是通過已經(jīng)標(biāo)注好的情感詞的詞庫，依照情感詞庫中詞語的情感等級(jí)，通過比對(duì)的方式對(duì)文本進(jìn)行情感分類。

（二）情感挖掘模型構(gòu)建

情感挖掘的中文文本處理過程主要包括分詞、特征選擇、分類模型設(shè)計(jì)實(shí)驗(yàn)驗(yàn)證等步驟。圖2-1展示了情感挖掘的主要步驟。（見附圖）

（三）文本預(yù)處理

由于漢語語言的復(fù)雜性，需要對(duì)初始數(shù)據(jù)進(jìn)行去停用詞、中文分詞等操作。本文采用的分詞工具是中科院計(jì)算所推出的ICTCLAS[2，ICTCLAS是一個(gè)基于隱馬爾科夫模型的一個(gè)漢語分詞系統(tǒng)。在歧義詞識(shí)別和新詞識(shí)別上都得到了很大的提升，分詞精度達(dá)到98.45%。

（四）特征選擇及權(quán)重計(jì)算

特征抽取分為兩個(gè)步驟：一是特征詞的選取;二是已選特征詞的權(quán)重確定。

特征詞的選取采用情感詞典與測(cè)試語料集匹配選取的方法。即選擇一個(gè)已有情感詞典，逐個(gè)情感詞典中的特征詞，將其與已經(jīng)分好詞的中文語料集進(jìn)行字符匹配，若匹配成功，則該特征詞入選。為盡可能擴(kuò)大情感詞典的詞庫規(guī)模，本文將漢語自然語言處理最優(yōu)秀的兩個(gè)情感詞典進(jìn)行聯(lián)合，得到一個(gè)聯(lián)合情感詞典。本文選擇的情感詞典是中國(guó)知網(wǎng)整理的“情感分析用詞語集[3]”和臺(tái)灣大學(xué)整理的中文通用情感詞典NTUSD[4]。

設(shè)D為情感詞庫，且D={t1，t2，...tn}，正向情感的文檔子集為D1，負(fù)向情感文檔子集為D2。另設(shè)有一個(gè)文檔dj=（w1j，w2j，…，wnj），其中wij為情感詞的權(quán)重。在本文中wij定義為：

wij=wtd （ti，dj）×wts （ti） （2-1）

其中， Wtd（ti， dj）為詞項(xiàng)ti在文檔dj中的重要性，Wts（ti）為詞項(xiàng)ti表達(dá)情感上的重要性。

對(duì)于詞項(xiàng)在文檔中的重要性Wtd（ti， dj）的計(jì)算本文采用詞頻的兩倍歸一化方法，將權(quán)重控制在0.5到1之間。

W↓td （t↓i， d↓j）=0.5+（0.5×f↓ij）/max|m|f↓kj| ?（2-2）

式中fij是是詞項(xiàng)fi在文檔dj中的出現(xiàn)頻率。

在完成特性選擇和權(quán)重計(jì)算后，我們對(duì)分類模型進(jìn)行了設(shè)計(jì)。在前人的研究中，最常用的三種機(jī)器學(xué)習(xí)的分類模型有支持向量機(jī)SVM、樸素貝葉斯NB、和最近鄰KNN三種分類方法[5]。為達(dá)到更好的分類準(zhǔn)確性，本文在利用三種最常用的分類器基礎(chǔ)上，設(shè)計(jì)了基于投票機(jī)制的集成分類方法。即將分類輸入分別用三種常用分類器進(jìn)行分類，最后將輸出結(jié)果按照投票的機(jī)制決定。實(shí)踐證明這種分類方法取得了較好的效果。

三、實(shí)驗(yàn)驗(yàn)證

我們分別使用了兩個(gè)預(yù)處理好的語料集對(duì)情感挖掘模型進(jìn)行實(shí)驗(yàn)驗(yàn)證，第一個(gè)數(shù)據(jù)集是從某著名的在線圖書電子商務(wù)網(wǎng)站抓取的醫(yī)學(xué)類書籍的顧客評(píng)語。第二個(gè)是從醫(yī)院圖書館網(wǎng)站搜集的院內(nèi)讀者的圖書評(píng)語數(shù)據(jù)集。

實(shí)驗(yàn)驗(yàn)證過程本文將支持向量機(jī)、樸素貝葉斯和最近鄰三種算法的分類結(jié)果與本文設(shè)計(jì)的集成模型分類結(jié)果進(jìn)行比較。

評(píng)價(jià)指標(biāo)采用文本分類常用的評(píng)價(jià)指標(biāo)查準(zhǔn)率，查全率和F-measure。

圖3-1和圖3-2為本文推薦方法與其他數(shù)據(jù)挖掘方法在不同數(shù)據(jù)集上的分析結(jié)果。（見附圖）

結(jié)果證明，通過在兩種不同測(cè)試集上分別使用四種不同的分類器進(jìn)行實(shí)驗(yàn)驗(yàn)證，最終從實(shí)驗(yàn)結(jié)果我們可以分析出，兩種測(cè)試結(jié)果中，最低值高于0.8， 說明四種分類模型對(duì)文本情感挖掘都具有較好的分析效果，兩個(gè)數(shù)據(jù)集中，投票集成模型F-measure值均取得最高值。這說明投票集成模型有效性明顯高于其他三種模型。

參考文獻(xiàn)：

[1]宗成慶. 統(tǒng)計(jì)自然語言處理（第二版）.北京：清華大學(xué)出版社，2013.

[2]張華平. ICTCLAS中文分詞系統(tǒng). http：//www.nlpir.org/.

[3]HowNet， http：//www.keenage.com/.

[4]NTUSD，http：//nlg18.csie.ntu.edu.tw：8080/opinion/pub1.html.

[5]胡澤文， 王效岳，白如江. 國(guó)內(nèi)外文本分類研究計(jì)量分析與綜述.圖書情報(bào)工作，2011： 78-81.（責(zé)編 張敬亞）