基于情感挖掘的圖書評價方法

裴錦隆 張利寬

摘要：本文通過抓取某電子商務網(wǎng)站醫(yī)學圖書客戶評價和某醫(yī)院圖書館讀者評語，然后構建了基于投票機制的情感挖掘模型，并對此模型進行實驗驗證，使用此模型對讀者評語進行了評價分析，為圖書館圖書評價，圖書選擇提供了客觀的支持。

關鍵詞：情感挖掘 圖書 模型

一、引言

用戶評價在產(chǎn)品體驗中扮演著越來越重要的角色，隨著大數(shù)據(jù)時代的到來，人們逐漸地認識到，通過對用戶評語的分析，進而能夠判斷消費者對產(chǎn)品的認可度。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，并提供讀者對數(shù)據(jù)的評論平臺，這樣為通過分析讀者評語而挖掘讀者喜好，客觀判斷圖書的受歡迎程度提供了可能。本文試圖通過構建讀者評語的情感挖掘模型，判斷讀者對圖書的喜好，進而對醫(yī)院圖書館所購圖書的受歡迎度進行衡量。

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（正性情感和負性情感）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重要部分，由于在商務智能、公眾意見分析中的實用性，情感挖掘已經(jīng)成為自然語言處理領域的一個熱點，得到了眾多學者的重視。

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器學習的方法?；谇楦性~典的方法主要是通過已經(jīng)標注好的情感詞的詞庫，依照情感詞庫中詞語的情感等級，通過比對的方式對文本進行情感分類。

（二）情感挖掘模型構建

情感挖掘的中文文本處理過程主要包括分詞、特征選擇、分類模型設計實驗驗證等步驟。圖2-1展示了情感挖掘的主要步驟。（見附圖）

（三）文本預處理

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

（四）特征選擇及權重計算

特征抽取分為兩個步驟：一是特征詞的選取;二是已選特征詞的權重確定。

特征詞的選取采用情感詞典與測試語料集匹配選取的方法。即選擇一個已有情感詞典，逐個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行字符匹配，若匹配成功，則該特征詞入選。為盡可能擴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)秀的兩個情感詞典進行聯(lián)合，得到一個聯(lián)合情感詞典。本文選擇的情感詞典是中國知網(wǎng)整理的“情感分析用詞語集[3]”和臺灣大學整理的中文通用情感詞典NTUSD[4]。

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

wij=wtd （ti，dj）×wts （ti） （2-1）

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

對于詞項在文檔中的重要性Wtd（ti， dj）的計算本文采用詞頻的兩倍歸一化方法，將權重控制在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fi在文檔dj中的出現(xiàn)頻率。

在完成特性選擇和權重計算后，我們對分類模型進行了設計。在前人的研究中，最常用的三種機器學習的分類模型有支持向量機SVM、樸素貝葉斯NB、和最近鄰KNN三種分類方法[5]。為達到更好的分類準確性，本文在利用三種最常用的分類器基礎上，設計了基于投票機制的集成分類方法。即將分類輸入分別用三種常用分類器進行分類，最后將輸出結果按照投票的機制決定。實踐證明這種分類方法取得了較好的效果。

三、實驗驗證

我們分別使用了兩個預處理好的語料集對情感挖掘模型進行實驗驗證，第一個數(shù)據(jù)集是從某著名的在線圖書電子商務網(wǎng)站抓取的醫(yī)學類書籍的顧客評語。第二個是從醫(yī)院圖書館網(wǎng)站搜集的院內(nèi)讀者的圖書評語數(shù)據(jù)集。

實驗驗證過程本文將支持向量機、樸素貝葉斯和最近鄰三種算法的分類結果與本文設計的集成模型分類結果進行比較。

評價指標采用文本分類常用的評價指標查準率，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)集上的分析結果。（見附圖）

結果證明，通過在兩種不同測試集上分別使用四種不同的分類器進行實驗驗證，最終從實驗結果我們可以分析出，兩種測試結果中，最低值高于0.8， 說明四種分類模型對文本情感挖掘都具有較好的分析效果，兩個數(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：

[1]宗成慶. 統(tǒng)計自然語言處理（第二版）.北京：清華大學出版社，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. 國內(nèi)外文本分類研究計量分析與綜述.圖書情報工作，2011： 78-81.（責編 張敬亞）