細(xì)粒度情感分析研究.pdf

1、從本世紀(jì)初開(kāi)始，文本情感分析研究漸漸成為信息抽取領(lǐng)域中的研究熱點(diǎn)，獲得了越來(lái)越多的關(guān)注。隨著互聯(lián)網(wǎng)的飛速發(fā)展，特別是Web2.0技術(shù)的逐漸普及，廣大網(wǎng)絡(luò)用戶已經(jīng)從過(guò)去單純的信息獲取者變?yōu)榫W(wǎng)絡(luò)內(nèi)容的主要制造者。同時(shí)，隨著自然語(yǔ)言處理技術(shù)和機(jī)器學(xué)習(xí)技術(shù)的不斷發(fā)展和成熟，對(duì)主觀性文本進(jìn)行情感分析也成為可能，并逐漸得到廣泛應(yīng)用。
　　傳統(tǒng)的文本情感分析研究主要面向篇章和句子級(jí)別文本，實(shí)現(xiàn)相應(yīng)的情感極性判定。這些研究在一些應(yīng)用領(lǐng)域，如網(wǎng)絡(luò)輿

2、情分析、股評(píng)分析等，已經(jīng)體現(xiàn)出較好的應(yīng)用價(jià)值。然而，隨著應(yīng)用的深入，用戶提出了更高的要求，比如希望進(jìn)一步獲得評(píng)價(jià)對(duì)象屬性所對(duì)應(yīng)的具體情感分析結(jié)果。在這方面，傳統(tǒng)的情感分析已不能完全滿足需求。因此，本文提出了細(xì)粒度情感分析方法來(lái)迎接這個(gè)挑戰(zhàn)。通過(guò)探索新的研究思路和方法，進(jìn)一步提高情感分析的準(zhǔn)確性和實(shí)用性。
　　本文針對(duì)細(xì)粒度情感分析中的關(guān)鍵技術(shù)展開(kāi)研究，研究?jī)?nèi)容主要包括以下三個(gè)部分：
　　1.研究了情感詞極性強(qiáng)度量化方法。情感

3、詞的極性判定研究已相對(duì)成熟，但為了實(shí)現(xiàn)細(xì)粒度情感分析任務(wù)，還需要進(jìn)行極性強(qiáng)度的量化計(jì)算，以滿足情感統(tǒng)計(jì)的需求。我們?cè)诂F(xiàn)有情感詞極性強(qiáng)度量化算法的基礎(chǔ)上，提出了改進(jìn)方案：首先，對(duì)情感詞進(jìn)行分類；然后，針對(duì)不同類型的情感詞設(shè)計(jì)不同的計(jì)算規(guī)則和方法。該方法的優(yōu)勢(shì)在于其能夠充分利用了字詞之間的關(guān)系以及語(yǔ)言學(xué)知識(shí)。
　　2.研究了評(píng)價(jià)對(duì)象屬性及其情感表達(dá)元素的聯(lián)合識(shí)別。在細(xì)粒度情感分析任務(wù)中，如何正確識(shí)別出文本中的評(píng)價(jià)對(duì)象屬性及其情感表達(dá)元

4、素具有十分重要的意義。本文結(jié)合條件隨機(jī)場(chǎng)理論，充分利用評(píng)價(jià)對(duì)象屬性及其情感表達(dá)元素之間的類別關(guān)系，提出了序列化聯(lián)合抽取模型。此外，還分析了基本特征和語(yǔ)義特征的相關(guān)知識(shí)及抽取方法，特別針對(duì)語(yǔ)義特征的抽取進(jìn)行了技術(shù)分析和算法設(shè)計(jì)。
　　3.研究了基于半監(jiān)督學(xué)習(xí)的屬性分類以及情感計(jì)算。針對(duì)細(xì)粒度情感標(biāo)注語(yǔ)料的開(kāi)放資源少、標(biāo)注工作量大等難點(diǎn)問(wèn)題，本文在屬性分類研究中引入了半監(jiān)督學(xué)習(xí)機(jī)制，以減少對(duì)標(biāo)注語(yǔ)料的依賴。首先，研究了自舉學(xué)習(xí)的分層種

5、子選取策略，并與隨機(jī)種子選取策略在屬性分類上進(jìn)行了實(shí)驗(yàn)性能的對(duì)比；其次，研究了把分層思想應(yīng)用到自舉過(guò)程的每一步迭代之中，探討了自舉迭代的終止條件；最后，針對(duì)評(píng)論中可能存在情感詞缺少對(duì)象屬性的情況，我們研究通過(guò)計(jì)算 PMI值來(lái)確定評(píng)價(jià)對(duì)象屬性類與情感詞之間的關(guān)聯(lián)概率，實(shí)現(xiàn)對(duì)缺失評(píng)價(jià)對(duì)象屬性的情感信息進(jìn)行合理屬性類的指派，使情感匯總計(jì)算更為合理有效。
　　本文的主要貢獻(xiàn)總結(jié)如下：首先，針對(duì)細(xì)粒度的情感分析特點(diǎn)，在理論上對(duì)情感極性強(qiáng)度的

6、模糊性特點(diǎn)進(jìn)行了詳細(xì)分析和研究，充分利用了字詞關(guān)系和語(yǔ)言學(xué)知識(shí)，優(yōu)化了情感詞極性強(qiáng)度量化方法，在性能上達(dá)到了一定的提升；其次，在評(píng)價(jià)對(duì)象屬性及其情感表達(dá)元素的聯(lián)合識(shí)別研究中，提出了序列化聯(lián)合抽取模型，充分利用了評(píng)論語(yǔ)句中的基本特征和語(yǔ)義特征信息，并通過(guò)調(diào)整CRF分類器的模板，進(jìn)一步分析了特征組合以及上下文信息對(duì)識(shí)別性能的影響，獲得了識(shí)別效率的提升；再其次，還對(duì)細(xì)粒度屬性分類及文本情感計(jì)算進(jìn)行了相關(guān)研究，證明了半監(jiān)督學(xué)習(xí)方法在屬性分類中的