基于多種情感特征的網(wǎng)絡(luò)文本傾向性判別方法研究

《基于多種情感特征的網(wǎng)絡(luò)文本傾向性判別方法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、基于多種情感特征的網(wǎng)絡(luò)文本傾向性判別方法研究　　摘要：網(wǎng)絡(luò)文本的情感傾向性分析對于電子商務(wù)、網(wǎng)絡(luò)信息安全、網(wǎng)絡(luò)輿情等方面具有非常重要的意義。本文在對文本傾向性分析的常用方法作了分析和研究的基礎(chǔ)上，提出了一種綜合情感詞語、否定詞、程度副詞、關(guān)聯(lián)詞和詞句類型等多種特征計算詞句的極性值，進而判別文本情感傾向性的方法。實驗結(jié)果表明，與ku提出的算法相比，該方法更能有效地判定文本情感傾向性?！　￡P(guān)鍵詞：情感詞典；情感特征；網(wǎng)絡(luò)文本；文本傾向性；傾向性分析　　中圖分類號：TP391文獻標(biāo)識碼：A文章編號：1009-3044

2、（2015）22-0018-04　　Abstract：Theanalysisofthesentimentorientationofthenetworktextisveryimportantfortheelectroniccommerce，thenetworkinformationsecurity，thenetworkpublicopinionandsoon.Inthispaper，thegeneralmethodoftextorientationanalysisisstudied.Weproposeanewme

3、thodtocalculatethepolarityvalueofthewordsandtojudgethesentimentorientationoftext，whichcomprehensivesavarietyofcharacteristics，suchastheemotionalwords，negativewords，adverbsofdegree，relatedwords，andsoon.Theexperimentalresultsshowthattheproposedmethodismoreeffe

4、ctivethantheKualgorithmforjudgingsentiment8orientation.　　Keywords：sentimentlexicon；sentimentfeature；networktext；textorientation；orientationanalysis　　隨著互聯(lián)網(wǎng)的飛速發(fā)展以及網(wǎng)絡(luò)信息交流的便捷性和信息傳播的迅速性，使得越來越多的人使用網(wǎng)絡(luò)作為信息交流的平臺，發(fā)表自己的意見和觀點。由此產(chǎn)生了大量帶有個人主觀情感色彩的在線文本，如個人博客、產(chǎn)品評論、新聞評論等。在這些浩

5、如煙海的大量文本中，大多數(shù)都帶有作者對人、事、物的觀點和態(tài)度。提取這些反映著網(wǎng)民真實觀點和態(tài)度的情感信息，對于電子商務(wù)、網(wǎng)絡(luò)信息安全、網(wǎng)絡(luò)輿情等方面具有非常重要的意義?！　【W(wǎng)絡(luò)文本傾向性分析是指通過采集、組織和分析這些網(wǎng)絡(luò)文本中的立場、觀點、看法、態(tài)度、情緒等主觀信息，從而對文本的情感傾向性做出正負褒貶的判斷。目前，這一技術(shù)已成為信息處理領(lǐng)域的一個研究熱點，已被廣泛應(yīng)用在信息檢索、信息過濾、信息安全、自動文摘等多個方面。　　1相關(guān)研究　　文本情感分析可以分為基于機器學(xué)習(xí)的情感分類方法和基于語義理解的情感分析方法

6、兩大類?！　』跈C器學(xué)習(xí)的情感分類方法利用訓(xùn)練語料對分類器進行訓(xùn)練，然后將測試語料用已訓(xùn)練好的分類器進行分類測試，得到文本的情感傾向性。例如，Pang等[1]運用樸素貝葉斯網(wǎng)絡(luò)、最大熵模型和支持向量機三種分類器對于影評進行了分類研究；李素科等[2]針對監(jiān)督學(xué)習(xí)分類的不足之處，對情感特征進行聚類，并提出了一種半監(jiān)督式的情感分析算法。8　　基于語義理解的情感分析又可以分為兩類：基于情感詞的傾向性分析方法和基于語義規(guī)則的傾向性分析方法?；谇楦性~的傾向性分析首先抽取出文本中的情感詞，然后對情感詞逐一進行情感傾向判斷，

7、得到各自的情感傾向值，最后通過累加這些傾向值獲得文本最終的情感傾向和強度。例如，徐琳宏等[3]采用HowNet作為基準(zhǔn)詞，并在實驗中考慮否定詞和程度副詞的影響，計算待測詞與關(guān)聯(lián)度確定語義傾向，對電影評論進行了傾向性識別研究。基于語義規(guī)則的傾向性分析首先建立一個情感傾向語義模式庫，然后將文本按照這個語義模式庫進行模式匹配，計算得到一系列情感傾向值，最后將這些傾向值進行累加，得到整個文本的情感傾向和強度。例如，Ku等[4]對新聞和博客文本從詞級、句子級和文檔級進行了意見抽取，得出觀點摘要，進而對文本進行情感傾向和強

8、度分析。　　對上述幾種文本傾向性分析的常用方法進行深入的分析和研究后發(fā)現(xiàn)，許多方法只是片面地進行文本傾向性的判定，其準(zhǔn)確性和有效性得不到保證。本文在精心構(gòu)建基礎(chǔ)情感詞典和網(wǎng)絡(luò)情感詞典的基礎(chǔ)上，根據(jù)網(wǎng)絡(luò)文本的組成特點，綜合利用情感詞語、否定詞、程度副詞、關(guān)聯(lián)詞和詞句類型等多種特征計算詞句的情感極性值，據(jù)此判別文本情感傾向性。實驗結(jié)果表明，該方法提高了網(wǎng)絡(luò)文本傾向性判別的準(zhǔn)確性?！　?情感