一種結合情感詞頻和主題拓展的情感分析方法

◆蘇開益 江 偉 余詩慧

(武漢理工大學計算機科學與技術學院 湖北 430070)

一種結合情感詞頻和主題拓展的情感分析方法

◆蘇開益 江 偉 余詩慧

(武漢理工大學計算機科學與技術學院 湖北 430070)

本文針對傳統(tǒng)基于統(tǒng)計學的情感分析方法的不足，提出情感詞頻和主題拓展相結合的方法（FETE方法）。該方法關注用戶評論的完整性，提高了情感詞極性分類的準確率，相對于傳統(tǒng)的方法，效果有一定提升。

情感分析；FETE；極性分類

0 前言

傳統(tǒng)的基于統(tǒng)計學的情感特征提取方法受到漢語“一詞多義”的干擾較大，無法結合用戶評論的上下文，并且在某些數據較為稀疏的樣本中，很難用統(tǒng)計學的方法提取其特征。本文提出一種融合情感詞頻和主題拓展的情感分析方法（FETE）。FETE方法首先對數據集進行分詞預處理，然后統(tǒng)計得到褒義、貶義詞頻，再將主題特征進行拓展，并與情感詞頻結合，最后得到樣本的特征向量。該方法有效地改善了通過統(tǒng)計學方法提取特征而將評論整體性忽略模式。

1 數據預處理

先進行分詞，然后去停用詞是對自然語言文字序列的一般預處理方法，我們使用漢語分詞系統(tǒng) NLPIR對原數據進行分詞，具體處理步驟見圖1。

圖1 處理步驟流程圖

2 FETE算法介紹

在該算法中，首先對原數據進行分詞、去停詞，然后通過事先定義好的褒義詞典和貶義詞典來統(tǒng)計數據集中的情感詞詞頻，再將情感詞頻和主題維數拓展融合。

具體的算法步驟如下：

(1）對原數據集進行分詞，去停詞。

（2）分詞結果事先準備好的褒義詞典、貶義詞典進行匹配，統(tǒng)計出數據集中褒義詞和貶義詞的詞頻，記錄為Cn和Pn。

（3）主題數K從5開始，以5為步長，增加到50，對每一個K值，使用主題模型對樣本的主題特征進行提取。

（4）將每個K值下的主題特征作為文檔集的特征向量，再通過LIBSVM進行二分類。

（5）把K值按照準確率進行排序，取最高的兩維向量a和b，將b的最后一維連接在a的第一維，得到向量c。

（6）再將Cn和Pn作為兩個一維向量與c向量結合，得到融合了主題維數拓展和情感詞頻的特征向量。

（7）對融合后的特征向量進行歸一化，再使用LIBSVM進行二分類。

圖2 融合情感詞頻和主題拓展的情感分析方法（FETE）

本文使用LDA主題模型進行實驗和分析。LDA的參數估計分為兩種，Gibbs采樣和EM最大熵，本文使用Gibbs采樣方法。

3 實驗驗證

3.1 數據集

本文使用某 VR公司的用戶對某款內容的評論作為數據集（http://www.datatang.com/data/11857）進行實驗，一共有 2317條評論，包括1158條正面評論和1159條負面評論。

3.2 評價指標

本文采用精確度（Precision）、召回率（Recall）、F值（F-mean）和準確率（Accuracy）四個評價指標作為評價算法效果的指標。具體計算公式見表1。

表1 評價指標的計算公式和描述

3.3 實驗驗證

使用該算法在3.1中數據集上進行實驗，如圖3所示，當K等于15和30時，Accuracy取得極大值，實驗結果最好，當K持續(xù)增大時，Accuracy呈下降趨勢。

圖3 實驗結果對比圖

從表2中可以看出，實驗中FETE-LDA方法比傳統(tǒng)的特征提取方法具有更高的MacroP、MacroR和F1值，取得了更好的實驗效果；在融合情感詞頻和主題維數拓展的情感分析方法上LDA作為主題提取方法取得了很好的分類效果。

表2 各分析方法對比實驗

4 總結

本文提出了一種結合了情感詞頻和主題拓展的情感分析方法，在傳統(tǒng)的分析方法的基礎上，更加注重評論的完整性，對上下文的把握更精準。

[1]周哲,商琳.一種基于動態(tài)詞典和和三支決策的情感分析方法[J].山東大學學報:工學版，2015.

[2]陳婷.基于上下文感知的個性化信息服務系統(tǒng)的研究與設計[D].北京郵電大學，2013.

[3]李致.知識庫系統(tǒng)中的用戶興趣挖掘與推薦[D].北京交通大學，2013.

[4]萬源.基于語義統(tǒng)計分析的網絡輿情挖掘技術研究[D].武漢理工大學, 2012.