熱孜瓦姑麗.吾斯曼 艾孜爾古麗.玉素甫

摘要：情感分析就是對(duì)輿論的現(xiàn)狀及其變化趨勢(shì)進(jìn)行研究的技術(shù)。其次介紹了近幾年來(lái)的國(guó)內(nèi)漢語(yǔ)，藏語(yǔ)和哈薩克語(yǔ)等部分語(yǔ)言的情感分析研究現(xiàn)狀進(jìn)展，最后重點(diǎn)介紹了維吾爾語(yǔ)近幾年來(lái)的情感分析研究使用的方法和處理的算法。

關(guān)鍵詞：情感分析;算法;處理方法

中圖分類號(hào)：TP393

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）04-0178-02

1 概述

由于黨和政府非常重視少數(shù)民族與語(yǔ)言研究的同步發(fā)展。維吾爾語(yǔ)情感詞的獲取并創(chuàng)建情感詞典是識(shí)別文本情感傾向性和情感分析的基礎(chǔ)，給網(wǎng)絡(luò)輿情分析和網(wǎng)絡(luò)內(nèi)容安全提供基礎(chǔ)性資源[1]。本文主要是對(duì)近幾年國(guó)內(nèi)情感分析技術(shù)的發(fā)展和現(xiàn)狀總結(jié)的基礎(chǔ)上，對(duì)已有的維吾爾語(yǔ)情感分析技術(shù)研究成果進(jìn)行整理總結(jié)。

2 國(guó)內(nèi)情感分析技術(shù)進(jìn)展

2.1 漢語(yǔ)情感分析技術(shù)進(jìn)展

2014年，梁軍等人提出了基于深度學(xué)習(xí)的微博情感分析方法使用于遞歸神經(jīng)網(wǎng)絡(luò)進(jìn)行情感分類[2]。2015年李婷婷等人提出了基于SVM和CRF多特征組合的微博情感分析方法，通過多組實(shí)驗(yàn)使情感分析效果更優(yōu)。2017年劉臣等人利用特征與情感詞在位置上的鄰近關(guān)系，提取情感詞并組成特征一觀點(diǎn)對(duì)，通過點(diǎn)互信息方法進(jìn)行情感傾向分析。2018年張璐等人提出基于情感計(jì)算的網(wǎng)絡(luò)社區(qū)輿情分析預(yù)警技術(shù)研究，結(jié)合文本的情感特征，應(yīng)用自然語(yǔ)言處理技術(shù)實(shí)現(xiàn)文本的預(yù)處理，實(shí)驗(yàn)結(jié)果表明此研究為網(wǎng)絡(luò)社區(qū)的輿情分析預(yù)警提供了有力的支持川。

2.2 藏語(yǔ)情感分析技術(shù)進(jìn)展

2015年杜雪峰等分別提出了基于規(guī)則的藏文句子的情感傾向性分析方法和基于統(tǒng)計(jì)的藏文句子的情感傾向性分析方法，兩個(gè)方法的F值分別達(dá)到了68.9%和82.8%[3]。2018年，閏曉東等提出了本文提出的基于情感詞典的藏語(yǔ)文本句子情感分類方法在一定程度上可以對(duì)藏文句子進(jìn)行情感分類。其中，中性類別的召回率達(dá)到95.76%[4]。

2..3哈薩克語(yǔ)情感分析技術(shù)進(jìn)展;

2011年新疆大學(xué)的王曉莉古里拉.阿東別克等人提出一種機(jī)器識(shí)別哈薩克語(yǔ)句情感的模型，使用條件隨機(jī)場(chǎng)cRF's（collditional RaJldom Fields）對(duì)哈薩克語(yǔ)句中的情感關(guān)鍵詞進(jìn)行機(jī)器識(shí)別，在此基礎(chǔ)上結(jié)合語(yǔ)句邏輯結(jié)構(gòu)分析，能初步判斷出哈薩克語(yǔ)句的喜、怒、哀、俱情感傾向，拓寬了哈薩克語(yǔ)言計(jì)算機(jī)處理的范圍[5]。2015年新疆財(cái)經(jīng)大學(xué)的孫瑞娜等人提出了情感詞匯自動(dòng)獲取機(jī)制。實(shí)驗(yàn)表明，哈薩克語(yǔ)情感詞匯自動(dòng)獲取正確率達(dá)到74.2%，該方法是有效的。

3 在中國(guó)現(xiàn)代維吾爾語(yǔ)情感分析方法進(jìn)展

3.1 現(xiàn)代維吾爾語(yǔ)情感分析方法進(jìn)展

2012年黃俊等提出基于自動(dòng)標(biāo)注的維吾爾語(yǔ)情感詞分析句子情感的方法，最終得到句子的情感類型。李響等提出基于深度學(xué)習(xí)的維吾爾語(yǔ)文本情感分析方法，完成基于深層語(yǔ)義和句法信息的維吾爾語(yǔ)名詞短語(yǔ)指代消解任務(wù)。2017年吾守爾·斯拉木等結(jié)合維吾爾語(yǔ)文本的特點(diǎn)，建立維吾爾文情感語(yǔ)料標(biāo)注規(guī)范，利用Python語(yǔ)言構(gòu)建集數(shù)據(jù)采集與標(biāo)注為一體的情感標(biāo)注平臺(tái)，最后構(gòu)建在輿情分析和輿情監(jiān)控中可以應(yīng)用的維吾爾文情感語(yǔ)料庫(kù)。實(shí)驗(yàn)結(jié)果表明，提高情感語(yǔ)料庫(kù)的質(zhì)量，情感語(yǔ)料庫(kù)可以用于輿情分析任務(wù)。2018年熱西旦木·吐爾洪太詞典與機(jī)器學(xué)習(xí)方法相結(jié)合的維吾爾語(yǔ)文本情感分析的方法，此方法的正確率比單獨(dú)使用機(jī)器學(xué)習(xí)方法提高了9.13%比詞典方法提高了1.82%。2019年帕麗且.木合塔爾等提出了維吾爾語(yǔ)情感語(yǔ)音合成采用韻律邊界預(yù)測(cè)方法，實(shí)驗(yàn)結(jié)果證明，本文提出的方法情感分類F1值比SVM-bigram方法提升了9.32%[8]。表1所示在中國(guó)現(xiàn)代維吾爾語(yǔ)情感分析方法特征情況。

3.2 現(xiàn)代維吾爾語(yǔ)情感分析算法進(jìn)展

年梅等提出了利用中文極性情感詞典HowNet，選擇并翻譯為維吾爾語(yǔ)詞匯，借助于維吾爾語(yǔ)同義近義詞詞典，最后設(shè)計(jì)了基于維吾爾語(yǔ)極性情感詞和權(quán)值相結(jié)合的加權(quán)句子情感極性判定算法，證明了本算法進(jìn)行維吾爾語(yǔ)句子褒貶情感性分析基本是有效地。李冬白等提出基于深度學(xué)習(xí)的維吾爾語(yǔ)語(yǔ)句隱式情感分類算法，通過softmax分類器完成維吾爾語(yǔ)語(yǔ)句分類[6]。劉若蘭等提出候選情感詞識(shí)別算法，實(shí)驗(yàn)結(jié)果表明，與擴(kuò)展前的情感詞庫(kù)相比，使用互聯(lián)網(wǎng)文本語(yǔ)料擴(kuò)展后的情感詞庫(kù)后進(jìn)行維吾爾語(yǔ)句子傾向性測(cè)評(píng)的準(zhǔn)確率和召回率均有明顯提高。李敏等提出采用深度學(xué)習(xí)算法進(jìn)行基于深層語(yǔ)義的維吾爾語(yǔ)句子級(jí)情感分析任務(wù)，根據(jù)維吾爾語(yǔ)語(yǔ)言特性，考慮詞性、情感詞、轉(zhuǎn)折連詞，否定成分等對(duì)情感傾向性的影響，從詞匯和句式兩個(gè)抽象層次共提取了8項(xiàng)情感特征，利用棧式自編碼算法無(wú)監(jiān)督的學(xué)習(xí)文本的深層語(yǔ)義特征[7]。

參考文獻(xiàn)：

[1]瑪爾哈巴·艾賽提，艾孜爾古麗，玉素甫.艾白都拉.基于語(yǔ)法

的維吾爾語(yǔ)情感詞匯自動(dòng)獲取[J].中文信息學(xué)報(bào)，2017，31（1）：126-132，139.，

[2]梁軍，柴玉梅，原慧斌，等.基于深度學(xué)習(xí)的微博情感分析[J].中文信息學(xué)報(bào)，2014，28（5）：155-161.

[3]杜雪峰.藏文句子傾向性分析研究[D].北京：中央民族大學(xué)，2015.

[4]閆曉東，黃濤.基于情感詞典的藏語(yǔ)文本句子情感分類[J].中文信息學(xué)報(bào)，2018，32（2）：75-80.

[5]王曉莉，古里拉.阿東別克.哈薩克語(yǔ)語(yǔ)句情感識(shí)別研究初探[J].計(jì)算機(jī)應(yīng)用與軟件，2011，28（8）：20-23.

[6]李冬白，田生偉，禹龍，等.深度學(xué)習(xí)的維吾爾語(yǔ)語(yǔ)句隱式情感分類[J].計(jì)算機(jī)工程與設(shè)計(jì)，2016，37（9）：2577-2581.

[7]李敏.基于深度學(xué)習(xí)的維吾爾語(yǔ)文本情感分析[D].烏魯木齊：新疆大學(xué)，2017.

[8]帕麗旦.木合塔爾，買買提阿依甫，楊文忠，等.基于BiRNN的維吾爾語(yǔ)情感韻律短語(yǔ)注意力模型[J].電子科技大學(xué)學(xué)報(bào)，2019，48（1）：88-95.

[通聯(lián)編輯：光文玲]