基于弱監(jiān)督迭代法的情感傾向分析

封二英　龐靈

摘 要：針對(duì)目前情感傾向分析過(guò)于依賴現(xiàn)有經(jīng)驗(yàn)和大規(guī)模語(yǔ)料庫(kù)的不足，本文提出基于弱監(jiān)督迭代法的情感傾向分析模型。本模型以較少的種子情感詞匯做引導(dǎo)，通過(guò)弱監(jiān)督迭代計(jì)算，不斷更新、擴(kuò)充情感詞典。在此基礎(chǔ)上完成情感傾向分析任務(wù)。并將該模型應(yīng)用到評(píng)論情感傾向分析中，驗(yàn)證了方法的有效性。

關(guān)鍵詞：情感傾向分析；弱監(jiān)督；迭代模型；產(chǎn)品評(píng)論

1 相關(guān)工作

有監(jiān)督的機(jī)器學(xué)習(xí)方法，無(wú)監(jiān)督算法以及半監(jiān)督算法是目前情感傾向分析的主要方法。龐博[1]等使用標(biāo)準(zhǔn)的機(jī)器學(xué)習(xí)方法進(jìn)行文本情感分類工作。宇弘[2]等選用若干極性較強(qiáng)的形容詞作為情感詞，構(gòu)成一個(gè)種子情感詞集合，采用無(wú)監(jiān)督算法判斷句子的情感傾向。唐輝豐[3]等利用基于EM的半監(jiān)督學(xué)習(xí)算法，對(duì)文本進(jìn)行分類。

2 基于弱監(jiān)督迭代法的情感傾向分析模型

2.1 數(shù)據(jù)預(yù)處理模塊

首先對(duì)評(píng)論進(jìn)行分詞、詞性標(biāo)注、分句、劃分帶狀區(qū)域等預(yù)處理，然后選擇合適的候選情感詞（選取至少出現(xiàn)在兩篇或以上文章中、句子中或帶狀區(qū)域中的詞語(yǔ)），在此基礎(chǔ)上構(gòu)建情感詞典。其中，分詞基于簡(jiǎn)單的二元切分的方法，分別以結(jié)構(gòu)助詞、非漢字、標(biāo)點(diǎn)符號(hào)等作為分隔符；句子切分一般以標(biāo)點(diǎn)符號(hào)作為分隔符；帶狀區(qū)域的劃分以中英文逗號(hào)加上分句采用的標(biāo)點(diǎn)符號(hào)作為分隔符。

2.2 情感傾向分析模塊

首先根據(jù)情感詞典中情感詞的情感傾向判斷帶狀區(qū)域的情感傾向（如果該帶狀區(qū)域中積極的情感詞個(gè)數(shù)大于消極的情感詞個(gè)數(shù)，則該帶狀區(qū)域?yàn)榉e極的，如果消極的情感詞個(gè)數(shù)大于積極的情感詞個(gè)數(shù)，則該帶狀區(qū)域?yàn)橄麡O的）；然后由一個(gè)句子所包含的所有帶狀區(qū)域的情感傾向判定出該句子的情感傾向；最后由該篇評(píng)論所包含句子的情感傾向判定得出整篇評(píng)論的情感傾向性。

2.3 情感詞典更新模塊

根據(jù)情感詞的出現(xiàn)頻率計(jì)算情感分?jǐn)?shù)。使用情感詞和情感分?jǐn)?shù)更新情感詞典。

①人工挑選出極少的情感詞作為種子情感詞匯，構(gòu)成最初的情感詞典。該步對(duì)情感詞典的更新工作只在初次計(jì)算評(píng)論文本情感傾向之前執(zhí)行一次。

②當(dāng)候選情感詞difference值符合閾值條件時(shí)成為情感詞，計(jì)算它的情感分?jǐn)?shù)。當(dāng)情感詞典中已存在該情感詞時(shí)，直接更新該詞情感分?jǐn)?shù)。否則，將該情感詞和它的情感分?jǐn)?shù)同時(shí)存入情感詞典。當(dāng)候選情感詞difference值不符合閾值條件時(shí)，查找該詞語(yǔ)是否存在情感詞典中，如果存在則從情感詞典中刪除該詞語(yǔ)和它的情感分?jǐn)?shù)。

2.4 迭代算法

本文提出以少量種子情感詞匯開(kāi)始，經(jīng)過(guò)迭代計(jì)算情感詞的情感分?jǐn)?shù)，來(lái)不斷更新、擴(kuò)充和完善情感詞典。最終達(dá)到對(duì)評(píng)論進(jìn)行判定的目的。該算法主要包括以下幾個(gè)步驟：⑴讀取評(píng)論作為輸入數(shù)據(jù)；⑵對(duì)評(píng)論進(jìn)行分詞、分句以及劃分帶狀區(qū)域操作；⑶選擇候選情感詞；⑷從候選情感詞中選擇種子情感詞匯，并設(shè)置情感分?jǐn)?shù)，構(gòu)成最初的情感詞典；⑸迭代執(zhí)行以下步驟來(lái)訓(xùn)練情感傾向分析模型：1）由當(dāng)前的情感詞典計(jì)算出所有zone的情感傾向；2）由所有zone的情感傾向計(jì)算出所有句子的情感傾向；3）由所有句子的情感傾向計(jì)算出所有評(píng)論的情感傾向；4）通過(guò)統(tǒng)計(jì)候選情感詞的出現(xiàn)頻率，選擇符合條件的候選情感詞作為情感詞。計(jì)算情感詞的情感分?jǐn)?shù)，并更新情感詞典；5）判斷是否滿足迭代終止條件，若不滿足則轉(zhuǎn)1）；否則迭代終止。⑹輸出當(dāng)前情感傾向分析模型對(duì)所有評(píng)論的判定結(jié)果。

3 模型在產(chǎn)品評(píng)論中的應(yīng)用

本文采用的數(shù)據(jù)集是淘寶網(wǎng)上與連衣裙相關(guān)的中文評(píng)論性文章。本文對(duì)連衣裙數(shù)據(jù)集中的1489篇評(píng)論情感傾向進(jìn)行了人工標(biāo)注。其中1375篇為積極的評(píng)論，114篇為消極的評(píng)論。采用準(zhǔn)確率、精確度、召回率、三個(gè)指標(biāo)進(jìn)行性能評(píng)價(jià)。本文采用的迭代終止條件是迭代次數(shù)達(dá)到閾值。實(shí)驗(yàn)結(jié)果顯示：第1次迭代后三個(gè)指標(biāo)分別為0.68、0.91、0.72，隨著迭代次數(shù)的增加，三個(gè)指標(biāo)也隨著提高，當(dāng)?shù)螖?shù)達(dá)到閾值16次時(shí)，準(zhǔn)確率為0.87、精確度為0.92、召回率為0.94。通過(guò)分析數(shù)據(jù)可得，該模型在評(píng)論文本中的表現(xiàn)較好，具有較高的準(zhǔn)確率。

[參考文獻(xiàn)]

[1]龐博，等.使用機(jī)器學(xué)習(xí)技術(shù)的情感分類[C].自然語(yǔ)言處理中的實(shí)證方法，ACL-02會(huì)議，2002：79-86.

[2]宇弘，等.關(guān)于從觀點(diǎn)中分離事實(shí)的研究[C].EMNLP-03，2003：129-136.

[3]唐輝豐，等.使用標(biāo)注和未標(biāo)注文檔進(jìn)行文本分類[J]2000，39（2-3）：103-134.