基于評(píng)論短句計(jì)算特征的觀點(diǎn)挖掘

文/王倩，樂山職業(yè)技術(shù)學(xué)院

基于評(píng)論短句計(jì)算特征的觀點(diǎn)挖掘

文/王倩，樂山職業(yè)技術(shù)學(xué)院

為提高產(chǎn)品評(píng)論挖掘的準(zhǔn)確率，本文通過計(jì)算細(xì)粒度屬性詞和程度副詞以及情感詞的詞匯的語(yǔ)義傾向度，設(shè)計(jì)了一種結(jié)合權(quán)重和評(píng)論短句計(jì)算特征的粗粒度情感傾向分析方法，由細(xì)粒度到粗粒度判定web評(píng)論的情感傾向性。本文設(shè)計(jì)了一種基于評(píng)論短句計(jì)算特征的情感分析方法，把結(jié)合屬性詞和副詞權(quán)重計(jì)算方法的結(jié)果進(jìn)行二次分類，結(jié)果表明相對(duì)于直接分類或細(xì)粒度的情感分析結(jié)果，本文設(shè)計(jì)的結(jié)合權(quán)重和評(píng)論短句計(jì)算特征的情感分析方法，分類效果有所提升。

屬性提??；評(píng)論短句；觀點(diǎn)挖掘；語(yǔ)義傾向度

引言

隨著互聯(lián)網(wǎng)和計(jì)算機(jī)技術(shù)的快速發(fā)展，國(guó)內(nèi)外電子商務(wù)公司也得到了迅猛發(fā)展，網(wǎng)絡(luò)購(gòu)物成為很多人購(gòu)物的重要方式。在實(shí)際應(yīng)用中，利用觀點(diǎn)挖掘技術(shù)能發(fā)現(xiàn)顧客的喜好及商品的不足之處，能夠使商家改善服務(wù)質(zhì)量，提高商品性能，并且其他用戶也可以根據(jù)分析結(jié)果進(jìn)行是否購(gòu)物的參考。在中文評(píng)論挖掘中，情感傾向分析一般有詞典方式和分類算法兩類。詞典方式是根據(jù)詞匯的語(yǔ)義傾向性加權(quán)擴(kuò)展到整句，在語(yǔ)義的基礎(chǔ)上研究；分類算法利用現(xiàn)成的工具提取特征，使用分類算法進(jìn)行分類。基于詞典的方法準(zhǔn)確率較高，但依賴性較高。而基于分類算法的普適性相對(duì)較好，缺點(diǎn)是在分類特征不明顯時(shí)，容易造成誤判。單一采用上述的某一種算法的準(zhǔn)確率不高，因此結(jié)合兩種方法進(jìn)行分析，，即使用評(píng)論短句這個(gè)計(jì)算特征，送到分類器中進(jìn)行二次分類，提高判定結(jié)果的準(zhǔn)確率。而在這個(gè)過程中，基于詞典的情感分析方法通過對(duì)詞匯的極性和權(quán)重的計(jì)算，謀求整句的情感傾向。因此，研究的開始，詞匯的極性和權(quán)重成為研究的重點(diǎn)。

1 分析

使用TF或者TF-IDF算法作為屬性詞權(quán)重的方法忽略了屬性詞與屬性詞之間對(duì)于用戶而言也存在著不同的重要程度，文獻(xiàn)[1]采用出現(xiàn)次數(shù)的比例作為屬性詞權(quán)重的方式簡(jiǎn)單易行，忽略了當(dāng)出現(xiàn)次數(shù)的比例較小時(shí)，容易趨向于0而導(dǎo)致屬性詞之間的區(qū)分度不高。程度副詞的權(quán)重研究基本直接使用知網(wǎng)發(fā)布的情感詞集bata版中的副詞詞典，通過根據(jù)語(yǔ)感直接對(duì)其賦值的方式進(jìn)行。

2 前期準(zhǔn)備

評(píng)論是使用網(wǎng)絡(luò)爬蟲下載的電商網(wǎng)站的評(píng)論，對(duì)評(píng)論進(jìn)行初步去噪。本節(jié)主要介紹算法的前期準(zhǔn)備工作，包含情感詞、屬性詞、評(píng)論短句提取過程，為算法的實(shí)現(xiàn)提供重要的基礎(chǔ)準(zhǔn)備過程。1、提取情感詞存入本地?cái)?shù)據(jù)庫(kù)中進(jìn)行處理，主要有以下3類：評(píng)價(jià)性的形容詞；情感動(dòng)詞；網(wǎng)絡(luò)新詞。2、屬性詞一般是名詞或名詞短語(yǔ)，在提取候選屬性詞時(shí)，對(duì)候選的屬性詞用頻數(shù)模型進(jìn)行篩選，出現(xiàn)的次數(shù)降次排列，濾除少于3次的名詞。將附近位置存在情感詞的屬性詞提取為候選屬性。實(shí)驗(yàn)表明窗口長(zhǎng)度閾值選為5。

3 提取評(píng)論短句

評(píng)論短句則指忽略次要因素，從紛雜的詞匯群中直接取出能夠明確表達(dá)評(píng)論者的情感傾向和主觀感受的句子。中文評(píng)論挖掘領(lǐng)域的研究者通過分析中文表達(dá)方式，從短語(yǔ)搭配的角度考慮提取過程。如侯敏等人[1]歸納總結(jié)出的普通詞和評(píng)價(jià)詞的組合搭配問題，分析了評(píng)價(jià)詞語(yǔ)的情感傾向。林政等人[2]則考慮了句子的位置信息，將句子分為關(guān)鍵句和細(xì)節(jié)句，從他們的研究工作得到啟發(fā)，結(jié)合商品評(píng)論的短文本分類的特點(diǎn)，本文采用規(guī)則模板的方法提出評(píng)論短句。通過對(duì)評(píng)論句的詳細(xì)歸納和歸總，提取以下四種規(guī)則模板：

（1）情感詞單獨(dú)成句、情感詞疊加

模板的表達(dá)方式：sent，sent+sent；如“不錯(cuò)”、“小巧可愛”；

（2）包含屬性詞、程度副詞及情感詞的規(guī)則模板

模板的表達(dá)方式：feature+adverb+sentiment,adverb+senti?ment+feature；

經(jīng)典的表達(dá)模式，涵蓋了描述對(duì)象、強(qiáng)度修飾、情感表達(dá)三個(gè)方面的內(nèi)容。如“外觀很漂亮”、“很不錯(cuò)的東西”等；

（3）包含屬性詞、情感詞的規(guī)則模板

模板的表達(dá)方式：feature+sentiment，sentiment+feature

如“產(chǎn)品不錯(cuò)”、“粗糙的做工”等；

（4）包含程度副詞和情感詞的規(guī)則模板

模板的表達(dá)方式：adverb+sentiment,adverb+sentiment；

常用的表達(dá)模式，涵蓋了強(qiáng)度修飾、情感表達(dá)的兩方面的內(nèi)容，盡管沒有直接出現(xiàn)屬性詞，隱含了描述的對(duì)象為產(chǎn)品本身，因此需要提取。例如“很喜愛”、“不好”等；以上四種規(guī)則模板表達(dá)方式可以提取八種表達(dá)方式，涵蓋了大部分的中文評(píng)論的表達(dá)方式，對(duì)于相對(duì)表達(dá)比較規(guī)范的商品評(píng)論而言，能夠提取大部分的中文表達(dá)。

4 權(quán)重設(shè)置

4.1 屬性詞權(quán)重設(shè)置

屬性詞的權(quán)重設(shè)置主要解決分句的極性一正一反時(shí)，情感極性的傾向值。如對(duì)于評(píng)論句“相機(jī)像素很差，但是價(jià)格很好”類型的句子，使用均一的權(quán)重衡量方式就不能正確的檢測(cè)出來(lái)，判定的結(jié)果為0；本文設(shè)計(jì)的屬性方法可以判定出其極性傾向值。

4.2 程度副詞權(quán)重設(shè)置

本文在侯敏等人研究的基礎(chǔ)上進(jìn)行改進(jìn)。首先對(duì)知網(wǎng)情感詞典中的程度級(jí)別詞語(yǔ)進(jìn)行人工賦值，以此作為基準(zhǔn)副詞。對(duì)于給定副詞，作如下考慮：先查找基準(zhǔn)程度副詞表，若該副詞存在表中，直接取出其權(quán)重；若不存在，則使用語(yǔ)義相似度計(jì)算，先計(jì)算該副詞與全部基準(zhǔn)副詞的語(yǔ)義相似度，取計(jì)算的語(yǔ)義相似度值最高的10個(gè)值（Top10）的均值，作為該副詞的權(quán)重。

4.3 評(píng)論短句極性計(jì)算

根據(jù)我們?cè)诘?節(jié)的采取的規(guī)則模板方法提取出的評(píng)論短句，在數(shù)據(jù)庫(kù)中查詢各評(píng)論短句對(duì)應(yīng)的相關(guān)詞匯的權(quán)重，計(jì)算評(píng)論短句的極性，最后加權(quán)求和得到最后的整句的情感傾向，有以下規(guī)則：

（1）如果是在評(píng)論短句之內(nèi)的，也就是處在同一個(gè)評(píng)論短句之內(nèi)的詞匯的權(quán)重值進(jìn)行加權(quán)乘積，如果在一個(gè)評(píng)論短句內(nèi)的詞語(yǔ)數(shù)為m個(gè)，分別找出它們的權(quán)重值wt(wordj)，進(jìn)行加權(quán)乘積：

其中,word(j)指評(píng)論斷句中的第j個(gè)詞語(yǔ)，j=1，2，3…,m；m指該評(píng)論短句中包含的詞語(yǔ)數(shù)，wt(word（j）)第j個(gè)詞語(yǔ)對(duì)應(yīng)的權(quán)重值。

（2）由于在一個(gè)整句的評(píng)論句中，不止包含一個(gè)評(píng)論短句，設(shè)有n個(gè)評(píng)論短句，依照公式1分別求出每一個(gè)評(píng)論短句對(duì)應(yīng)的極性值，wt(fs)1、wt(fs)2…wt(fs)n，對(duì)這些評(píng)論短句加權(quán)求和，最終得到整句的情感傾向計(jì)算值Wt(sentence)為：

其中，Wt(sentence)指整句的最終情感極性傾向值，n指一個(gè)整句中所有評(píng)論短句的個(gè)數(shù),wt(fs)i指第i個(gè)評(píng)論短句的情感傾向權(quán)重值，i=1,2,3…,n。

5 利用fs計(jì)算特征的情感傾向分析

5.1 分類器特征提取

綜合以上分析以上算法的優(yōu)缺點(diǎn)，算法在普適性、分類的準(zhǔn)確度方面有缺陷，且有人工參與，因此為了提高算法的普適性和分類的精度，減少人工干預(yù)度，從提取句子特征的角度對(duì)評(píng)論進(jìn)行傾向性分析。歸納出了三類特征，這三類特征的來(lái)源的示意圖如圖1所示。

圖1 分類器特征來(lái)源示意圖

5.2 結(jié)果分析

5.2.1 數(shù)據(jù)集

實(shí)驗(yàn)使用的數(shù)據(jù)集Dataset1是從本地已下載評(píng)論中隨機(jī)抽取的不同領(lǐng)域商品的評(píng)價(jià)信息，考慮了數(shù)據(jù)集的平衡性，各抽取正負(fù)極性的句子3016條，合計(jì)6132條。

數(shù)據(jù)集二Dataset2是混合數(shù)據(jù)集，包含COAE中文傾向性評(píng)測(cè)公開的微博的數(shù)據(jù)集和1000條電商網(wǎng)站的商品評(píng)論信息，共計(jì)3152條，混合數(shù)據(jù)集綜合考慮了微博類和電商網(wǎng)站的商品評(píng)論信息，相對(duì)單一考慮電商網(wǎng)站的商品評(píng)論信息而言，更具有代表意義。

5.2.2 使用評(píng)論短句計(jì)算特征對(duì)結(jié)果的影響

在Dataset 1和混合數(shù)據(jù)集Datase 2上進(jìn)行了實(shí)驗(yàn)驗(yàn)證，將評(píng)論短句計(jì)算特征作為分類算法的特征送入分類器中，結(jié)果如表1所示：實(shí)驗(yàn)結(jié)果表明，加上fs計(jì)算特征后，在各分類算法上分類都有所提升，說明我們提出的結(jié)合fs計(jì)算特征的有效性。

表1 評(píng)論短句特征在Dataset2上的影響

6 結(jié)論

本文主要研究產(chǎn)品評(píng)論情感傾向的判定，為了提高分類的準(zhǔn)確率，本文中結(jié)合屬性詞和副詞權(quán)重的情感傾向分析方法的基礎(chǔ)上設(shè)計(jì)了一種利用評(píng)論短句計(jì)算特征的情感傾向分析方法，在不同的數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)驗(yàn)證，結(jié)果表明設(shè)計(jì)方法的有效性。本文設(shè)計(jì)情感傾向性分析方法仍然存在著不足之處，如在負(fù)面評(píng)價(jià)的判定上有著準(zhǔn)確度不高的問題，規(guī)則模板提取評(píng)論短句的方法還存在著覆蓋不全的缺點(diǎn)，對(duì)多極性的情感分析未能在其他數(shù)據(jù)集上進(jìn)行驗(yàn)證等等問題，需要在未來(lái)的研究中進(jìn)一步改進(jìn)。

[1]侯敏,滕永林,陳毓麒.評(píng)價(jià)短語(yǔ)的傾向性分析研究[J].中文信息學(xué)報(bào),2013,27(6):103-109.