基于詞典和弱標(biāo)注信息的電影評(píng)論情感分析

樊 振，過(guò) 弋,2，張振豪，韓美琪

(1.華東理工大學(xué) 信息科學(xué)與工程學(xué)院，上海 200237； 2.石河子大學(xué) 信息科學(xué)與技術(shù)學(xué)院，新疆 石河子 832003)(*通信作者電子郵箱guoyi@ecust.edu.cn)

0 引言

近年來(lái)，隨著我國(guó)經(jīng)濟(jì)快速發(fā)展以及國(guó)家對(duì)文化產(chǎn)業(yè)的大力支持，我國(guó)電影市場(chǎng)環(huán)境日益改善。2017年上半年，中國(guó)內(nèi)地票房規(guī)模為271.2億元，相比2016年上半年總票房規(guī)模248.1億元，增長(zhǎng)9.3%；同時(shí)第二季度，用戶在線購(gòu)買電影票占比達(dá)78.2%，較上一季度有小幅上升，在線電影購(gòu)票市場(chǎng)滲透率趨于穩(wěn)定[1]。大量用戶通過(guò)電影平臺(tái)表達(dá)自己對(duì)電影的觀點(diǎn)和看法，這些評(píng)論中包含著大量用戶對(duì)電影及其相關(guān)內(nèi)容的評(píng)價(jià)，包括演員、劇情、演技、特效等。合理地利用這些用戶評(píng)論可以為用戶消費(fèi)決策、商家營(yíng)銷規(guī)劃、電影制作方內(nèi)容優(yōu)化等提供幫助, 因此挖掘用戶評(píng)論文本中的情感信息有著重要的價(jià)值。

Hu等[2]認(rèn)為評(píng)論的情感極性主要通過(guò)評(píng)論中的形容詞來(lái)判定，提出根據(jù)形容詞建立情感詞典，再根據(jù)一定的規(guī)則來(lái)計(jì)算評(píng)論的情感極性；但是該方法太依賴于情感詞典和規(guī)則的質(zhì)量，需要一定的經(jīng)驗(yàn)知識(shí)，推廣能力差。Pang等[3]首次提出利用機(jī)器學(xué)習(xí)的方法來(lái)進(jìn)行情感分類，將文本表示成不同的特征組合，并在不同的分類算法下進(jìn)行對(duì)比實(shí)驗(yàn)；但是利用機(jī)器學(xué)習(xí)的方法需要對(duì)數(shù)據(jù)進(jìn)行標(biāo)注，這會(huì)耗費(fèi)大量的人力資源和時(shí)間。近年來(lái)，研究者開(kāi)始從用戶產(chǎn)生的信息中訓(xùn)練數(shù)據(jù)，如用戶評(píng)分。Qu等[4]使用用戶評(píng)分信息作為標(biāo)注數(shù)據(jù)訓(xùn)練模型來(lái)解決文本情感分類問(wèn)題，但是這部分標(biāo)注數(shù)據(jù)具有隨意性，容易產(chǎn)生數(shù)據(jù)噪聲(如低評(píng)分的正面評(píng)論)。

針對(duì)上述問(wèn)題，本文提出了基于詞典和弱標(biāo)注信息的電影評(píng)論情感分析方法，利用評(píng)論的評(píng)分?jǐn)?shù)據(jù)和基于情感詞典的情感傾向來(lái)標(biāo)注數(shù)據(jù)。本文的工作主要有：

1)對(duì)知網(wǎng)的中文情感詞典(HowNet)和臺(tái)灣大學(xué)的簡(jiǎn)體中文極性情感詞典(National Taiwan University Simplified Dictionary, NTUSD)整合，并構(gòu)建符合現(xiàn)有數(shù)據(jù)的情感詞典。

2)設(shè)計(jì)基于情感詞典的評(píng)論情感計(jì)算規(guī)則，并對(duì)數(shù)據(jù)自動(dòng)標(biāo)注。

3)利用支持向量機(jī)(Support Vector Machine, SVM)算法對(duì)數(shù)據(jù)進(jìn)行情感分類。

1 相關(guān)工作

目前情感分析研究技術(shù)主要分為基于情感詞典的方法和基于機(jī)器學(xué)習(xí)的方法[5]。

基于情感詞典的研究方法主要是根據(jù)情感詞庫(kù)來(lái)匹配計(jì)算評(píng)論的情感傾向。Liu等[6]在文獻(xiàn)[2]的基礎(chǔ)上考慮了主題詞與情感詞之間的距離對(duì)評(píng)論情感傾向的影響，距離越遠(yuǎn)影響越弱?；谠~典的方法沒(méi)有辦法識(shí)別文本中隱含的觀點(diǎn)，Zhang等[7]認(rèn)為基于詞典的方法只能通過(guò)顯式的情感詞提取觀點(diǎn)。此外，本文還常常出現(xiàn)上下半句情感傾向出現(xiàn)轉(zhuǎn)折、同一情感詞在不同環(huán)境下極性不一樣的情況。

基于機(jī)器學(xué)習(xí)的研究方法主要是將評(píng)論情感分析轉(zhuǎn)化為一個(gè)分類問(wèn)題。目前主流方向是二分類問(wèn)題，即將評(píng)論分成正面情感和負(fù)面情感。通過(guò)人工設(shè)計(jì)代表評(píng)論文本的特征，然后抽取評(píng)論特征并表示成文本向量，即可對(duì)文本進(jìn)行分類。Pang等[3]首先提出使用機(jī)器學(xué)習(xí)的方法來(lái)解決情感分類問(wèn)題，該工作選取了Unigrams、bigrams、POS(Part of Speech)等特征進(jìn)行不同組合并在分類算法樸素貝葉斯(Naive Bayes, NB)、支持向量機(jī)(SVM)和最大熵模型下進(jìn)行實(shí)驗(yàn)。在使用Unigrams特征的情況下，SVM的效果最好。李婷婷等[8]在前人工作基礎(chǔ)上提出使用詞性、情感詞、否定詞、程度副詞來(lái)構(gòu)建特征，并選用不同的特征組合進(jìn)行多組實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果顯示選用詞性、否定詞和情感詞組合時(shí)，SVM效果最好；而使用情感詞、程度副詞、否定詞和特殊符號(hào)組合時(shí)，條件隨機(jī)場(chǎng)(Conditional Random Field, CRF)模型效果最好。

基于機(jī)器學(xué)習(xí)的方法需要人工去標(biāo)注數(shù)據(jù)集，花費(fèi)大量人力資源：Qu等[4]曾嘗試使用包含用戶評(píng)分信息的評(píng)論數(shù)據(jù)作為弱標(biāo)注信息對(duì)模型進(jìn)行訓(xùn)練，最終對(duì)評(píng)論進(jìn)行情感分析；Tang等[9]使用評(píng)論中的表情符號(hào)作為標(biāo)簽值來(lái)訓(xùn)練模型，從而對(duì)文本進(jìn)行情感分類。但是這類方法的標(biāo)注具有較大隨意性，容易對(duì)數(shù)據(jù)產(chǎn)生噪聲。

2 詞典構(gòu)建

2.1 預(yù)處理

從豆瓣電影采集的評(píng)論數(shù)據(jù)包含兩部分內(nèi)容，用戶評(píng)論和用戶評(píng)分。在對(duì)數(shù)據(jù)整理后發(fā)現(xiàn)，部分?jǐn)?shù)據(jù)中用戶評(píng)分缺失，所以先要將這部分?jǐn)?shù)據(jù)過(guò)濾。在對(duì)數(shù)據(jù)進(jìn)行情感分析之前，先要對(duì)評(píng)論數(shù)據(jù)分詞和詞性標(biāo)注，本文選取結(jié)巴分詞作為自然語(yǔ)言處理工具完成數(shù)據(jù)預(yù)處理工作。

2.2 領(lǐng)域情感詞典構(gòu)建

目前，中文領(lǐng)域使用較多的情感詞典包括知網(wǎng)提供的HowNet和臺(tái)灣大學(xué)的NTUSD。HowNet包含情感詞語(yǔ)和評(píng)價(jià)詞語(yǔ)兩個(gè)部分，其中情感詞語(yǔ)中含有836個(gè)中文正面情感詞和1 254個(gè)中文負(fù)面情感詞語(yǔ)，評(píng)價(jià)詞語(yǔ)中含有3 730個(gè)中文正面評(píng)價(jià)詞語(yǔ)和3 116個(gè)中文負(fù)面評(píng)價(jià)詞語(yǔ)。NTUSD包含2 810 個(gè)正面情感詞語(yǔ)和8 276個(gè)負(fù)面情感詞語(yǔ)。將這三部分詞典去重后得到新的情感詞典構(gòu)成基礎(chǔ)詞典，正向情感詞極性為1，負(fù)向情感詞極性為-1。

但是在文本評(píng)論中，存在基礎(chǔ)詞典未包括的情感詞也有情感傾向。比如“這電影好搞笑啊”，搞笑就是積極情緒的詞，因此，只靠基礎(chǔ)詞典來(lái)識(shí)別電影評(píng)論的情感詞是不夠的，特定的領(lǐng)域還需要領(lǐng)域詞典，本文通過(guò)互信息(Point-wise Mutual Information, PMI)來(lái)構(gòu)建領(lǐng)域情感詞典[10]，PMI可以計(jì)算詞語(yǔ)之間的相似度。計(jì)算兩個(gè)詞w1和w2的PMI公式：

(1)

其中：p(w1,w2)表示詞w1和詞w2一起出現(xiàn)的概率，p(w1)表示詞w1出現(xiàn)的概率，p(w2)表示詞w2出現(xiàn)的概率。在使用過(guò)程中，w1是語(yǔ)料中切分出來(lái)的情感詞，w2是核心情感詞，通過(guò)PMI來(lái)計(jì)算兩個(gè)詞相似度：如果相似度高則認(rèn)為兩個(gè)詞情感極性相同； 反之亦然。

核心情感詞的詞性必須非常明確，比如積極詞有“好”，消極詞有“爛”，但是單個(gè)核心情感詞在PMI計(jì)算時(shí)容易造成較大的誤差，因此本文進(jìn)行多詞考察。本文通過(guò)統(tǒng)計(jì)基礎(chǔ)情感詞在評(píng)論文本里的詞頻，挑選出最高的正、負(fù)核心情感詞各30個(gè)。

在計(jì)算了新詞和正負(fù)核心情感詞之間PMI之后，就可以得到新詞的情感傾向，其計(jì)算公式[11]為：

(2)

2.3 否定詞構(gòu)建

一條評(píng)論中的否定詞往往會(huì)改變?cè)u(píng)論的情感極性，因此本文整理了一些常用的否定詞用來(lái)判定評(píng)論情感極性。常用否定詞包括：不、沒(méi)、無(wú)、非、未、否、勿、不是、并非、沒(méi)有、絕不。

2.4 程度副詞構(gòu)建

程度副詞可以改變情感詞的情感強(qiáng)度，如“我非常喜歡”，非常就是程度副詞，增加了喜歡的強(qiáng)度。本文使用的是HowNet里的程度副詞表，該表包含219個(gè)程度級(jí)別詞語(yǔ)。按照級(jí)別不同，分為6個(gè)類別，分別是“極其/最” “很” “較” “稍” “欠” “超”。本文按照其語(yǔ)氣強(qiáng)度不同分別賦予不同權(quán)值，如表1。

表1 程度副詞及其權(quán)值

3 情感分析與計(jì)算

本文提出基于詞典和弱標(biāo)注信息相結(jié)合的機(jī)器學(xué)習(xí)方法來(lái)對(duì)電影評(píng)論進(jìn)行情感分析，在用戶評(píng)分的基礎(chǔ)上，通過(guò)領(lǐng)域詞典對(duì)評(píng)論進(jìn)行情感傾向分類，挑選出評(píng)分和分類結(jié)果情感一致的訓(xùn)練數(shù)據(jù)進(jìn)行模型訓(xùn)練。圖1顯示了本文方法的整體流程。

在數(shù)據(jù)標(biāo)注部分，本文首先對(duì)采集數(shù)據(jù)進(jìn)行過(guò)濾、分詞及詞性標(biāo)注等預(yù)處理；然后利用基礎(chǔ)詞典在語(yǔ)料中提取出核心情感詞，進(jìn)而構(gòu)建領(lǐng)域情感詞典；接著利用基于詞典的情感分類和用戶評(píng)分相結(jié)合的方式對(duì)數(shù)據(jù)進(jìn)行標(biāo)注。在SVM模型訓(xùn)練部分，先對(duì)評(píng)論數(shù)據(jù)提取特征，然后對(duì)訓(xùn)練數(shù)據(jù)訓(xùn)練模型，最后利用訓(xùn)練好的模型對(duì)測(cè)試數(shù)據(jù)進(jìn)行情感分類。

圖1 系統(tǒng)整體流程

3.1 基于詞典和弱標(biāo)注信息的數(shù)據(jù)標(biāo)注

目前，基于機(jī)器學(xué)習(xí)的文本情感分類問(wèn)題主要是有監(jiān)督的分類問(wèn)題，需要人工去標(biāo)注數(shù)據(jù)，但是標(biāo)注數(shù)據(jù)會(huì)花費(fèi)大量人力資源。本文采集的數(shù)據(jù)中包含著用戶評(píng)分，可以根據(jù)用戶評(píng)分簡(jiǎn)單來(lái)標(biāo)注數(shù)據(jù)，但是用戶打分具有隨意性，容易對(duì)數(shù)據(jù)產(chǎn)生噪聲(用戶評(píng)分與評(píng)論情感不一致)，這種標(biāo)注稱為弱標(biāo)注信息[12]，因此本文采用詞典和弱標(biāo)注信息相結(jié)合的方法對(duì)電影評(píng)論數(shù)據(jù)進(jìn)行情感分析。

對(duì)于單條評(píng)論，本文先對(duì)它進(jìn)行分詞和詞性標(biāo)注處理，然后根據(jù)前文構(gòu)建的領(lǐng)域情感詞典查找評(píng)論中的情感詞。若找到情感詞，標(biāo)記該情感詞位置，然后向前查找修飾該情感詞的否定詞和程度副詞，這樣，每個(gè)情感詞及其相關(guān)的否定詞和程度副詞稱之為情感詞類。其情感分析算法描述如下：

機(jī)房當(dāng)中的監(jiān)控設(shè)備能夠在一定程度上防止其事故的發(fā)生，還能夠在某種層面上讓電網(wǎng)自動(dòng)化技術(shù)得到充分的運(yùn)用。因此，為了能夠讓供電企業(yè)更好地安全運(yùn)行，就必須要增加監(jiān)控設(shè)備技術(shù)的使用，要將那些技術(shù)落后的，設(shè)備性能較差的全部淘汰掉，要將先進(jìn)設(shè)備技術(shù)進(jìn)行完善、安裝。對(duì)不同的監(jiān)控設(shè)備進(jìn)行不同的安裝方式，要在后期對(duì)其進(jìn)行定期或者不定期的日常維護(hù)，與此同時(shí)，還需要將那些出現(xiàn)故障的設(shè)備，進(jìn)行問(wèn)題的分析，要找到出現(xiàn)問(wèn)題的原因，如果是人工導(dǎo)致的，那么就會(huì)追究其責(zé)任，對(duì)工作人員進(jìn)行處罰，讓其能夠更深地認(rèn)識(shí)到供電設(shè)備維護(hù)的重要性，從而去實(shí)現(xiàn)供電的安全穩(wěn)定性的提升，促進(jìn)經(jīng)濟(jì)可持續(xù)發(fā)展[3]。

1)評(píng)論預(yù)處理，包括分詞和詞性標(biāo)注

2)While 情感詞 do

尋找修飾情感詞的否定詞、程度副詞，計(jì)算情感詞類情感值

3)計(jì)算評(píng)論情感值，情感值大于等于0，評(píng)論情感傾向標(biāo)記為1，否則標(biāo)記為-1

每個(gè)情感詞類的情感值計(jì)算公式為：

s(w)=n(w)×d(w)×p(w)×l(w)

(3)

其中：s(w)表示情感詞類w的情感極性；n(w)表示否定詞的情感權(quán)重。一個(gè)否定詞表示情感反轉(zhuǎn)，但是雙重否定情感就沒(méi)變化，當(dāng)否定詞個(gè)數(shù)為奇數(shù)時(shí)，n(w)為-1，為偶數(shù)時(shí)，n(w)為1，其計(jì)算如式(4)：

(4)

其中count(neg)表示否定詞個(gè)數(shù)。d(w)表示修飾情感詞的多個(gè)程度副詞權(quán)值累加和，其計(jì)算如式(5)：

(5)

p(w)表示情感詞的極性，正面情感詞為1，負(fù)面情感詞為-1；l(w)表示否定詞和程度副詞的相對(duì)位置，它們之間位置不同，情感也不一樣，比如評(píng)論“這部電影很不好看”和“這部電影不很好看”，表達(dá)情感完全不同；當(dāng)否定詞在程度副詞前面時(shí)，l(w)設(shè)置為0.5，反之l(w)設(shè)置為-1，其計(jì)算如式(6)：

(6)

其中：loc(neg)表示情感詞類中否定詞的位置，loc(dg)表示情感詞類中程度副詞的位置，“<”表示相對(duì)位置在前，“>”表示相對(duì)位置在后。

單條評(píng)論由多個(gè)情感詞類組成，因此單條評(píng)論的情感極性計(jì)算如式(7)：

(7)

其中:r表示單條評(píng)論中所有的情感詞類，sen(r)表示單條評(píng)論的情感極性。利用式(7)，本文可以計(jì)算得到每條評(píng)論基于詞典的情感值，sen(r)≥0表示評(píng)論正面情感，反之為負(fù)面情感。

用戶評(píng)分中，評(píng)論情感值分為1、2、3、4、5一共5個(gè)等級(jí)，本文設(shè)定用戶評(píng)分大于等于3為正面情感，小于3為負(fù)面情感。最后，本文挑選出二者情感傾向一致的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)。

3.2 特征選擇

基于機(jī)器學(xué)習(xí)的情感分析的核心就是特征選擇，它關(guān)系著情感分類的準(zhǔn)確度。目前常見(jiàn)的特征選擇有：一元詞(unigram)特征、二元詞(bigram)特征、三元詞(trigram)特征、詞頻、詞性、情感詞等[8]。其中一元詞特征、二元詞特征、三元詞特征的特征維度與語(yǔ)料量有關(guān)，當(dāng)語(yǔ)料很大時(shí)，特征維度會(huì)達(dá)到千維級(jí)別，很難處理；詞頻可以反映一個(gè)詞語(yǔ)的重要性，但是并不是所有的詞都與文本情感相關(guān)，引入詞頻會(huì)導(dǎo)致數(shù)據(jù)產(chǎn)生噪聲。本文選擇詞性、程度副詞、否定詞、正面情感詞以及負(fù)面情感詞這五個(gè)特征維度，其中一個(gè)文本是由多個(gè)詞及其詞性構(gòu)成的，詞性在其中起很大作用；情感詞是一個(gè)文本情感分類的關(guān)鍵核心，而否定詞通常會(huì)使一個(gè)文本的情感極性發(fā)生反轉(zhuǎn)；與此同時(shí)，程度副詞能改變情感詞的強(qiáng)度，當(dāng)一個(gè)文本中既出現(xiàn)正面情感詞又出現(xiàn)負(fù)面情感詞時(shí)，如果只依靠情感詞的極性，是很難判斷文本的情感傾向的，而程度副詞可以幫助抉擇。比如說(shuō)評(píng)論“電影很不錯(cuò)，就是情節(jié)有點(diǎn)拖。”中，“很”比“有點(diǎn)”程度強(qiáng)，可以判斷評(píng)論情感傾向?yàn)檎妗?/p>

在選擇文本特征時(shí)，對(duì)于每個(gè)維度具體含義如表2。

表2 特征維度含義

以評(píng)論“電影非常好，但不喜歡女主角”為例提取特征，首先采用結(jié)巴分詞進(jìn)行分詞和詞性標(biāo)注，得到結(jié)果如下：

電影/n 非常/d 好/a ,/x 但/c 不/d 喜歡/v 女主角/n

其中:n表示名詞，d表示副詞，c表示連詞，a表示形容詞，v表示動(dòng)詞。從上可知，詞性個(gè)數(shù)為5，正面情感詞個(gè)數(shù)為1，負(fù)面情感詞個(gè)數(shù)為0，否定詞個(gè)數(shù)為1，程度副詞權(quán)值為2。

3.3 SVM模型

SVM是近幾年發(fā)展起來(lái)的新型分類方法，主要解決文本分類問(wèn)題[11]。SVM的原理是通過(guò)將一個(gè)樣本通過(guò)某種映射關(guān)系映射到高維空間或者是無(wú)窮維特征空間，使原來(lái)在樣本空間中非線性化可分的問(wèn)題轉(zhuǎn)化為在特征空間中線性可分的問(wèn)題[14]。目前應(yīng)用最為廣泛的SVM分類器主要有LibSVM和SVMLight兩種[15]，本文采用臺(tái)灣大學(xué)林智仁教授開(kāi)發(fā)的LibSVM進(jìn)行分類測(cè)試。

4 實(shí)驗(yàn)結(jié)果及分析

4.1 實(shí)驗(yàn)準(zhǔn)備

本文利用爬蟲(chóng)工具Pyspider在豆瓣電影平臺(tái)上抓取了關(guān)于電影《捉妖記》《戰(zhàn)狼2》的用戶評(píng)論及評(píng)分，在經(jīng)過(guò)去重、過(guò)濾后，分別剩下23 605，23 415條數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)。由于本文使用的是基于情感詞典的方法和用戶評(píng)分情感傾向相結(jié)合來(lái)標(biāo)注數(shù)據(jù)，因此不需要人工標(biāo)注數(shù)據(jù)。

將數(shù)據(jù)隨機(jī)分成5組，然后每次取4組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，剩下1組數(shù)據(jù)作為測(cè)試數(shù)據(jù)進(jìn)行交叉實(shí)驗(yàn)，最后將每次測(cè)試結(jié)果累加在一起作為最終測(cè)試結(jié)果。每組數(shù)據(jù)基于詞典和用戶評(píng)分相結(jié)合標(biāo)注的情況如表3所示(表中第一個(gè)字母P表示基于詞典的計(jì)算結(jié)果為正面情感，N表示為負(fù)面情感；第二個(gè)字母P表示用戶評(píng)分情感傾向?yàn)檎媲楦校琋表示負(fù)面情感)。

表3 數(shù)據(jù)分組以及標(biāo)注結(jié)果

在每次交叉實(shí)驗(yàn)中，取4組數(shù)據(jù)為訓(xùn)練數(shù)據(jù)，其中每組數(shù)據(jù)只取標(biāo)記為P_P和N_N的數(shù)據(jù)；取1組數(shù)據(jù)為測(cè)試組數(shù)，包含該組所有數(shù)據(jù)。

4.2 實(shí)驗(yàn)結(jié)果與分析

本文使用的分類器是LibSVM，為了避免不同的參數(shù)對(duì)分類效果產(chǎn)生影響，本文利用LibSVM的工具包grid.py通過(guò)交叉驗(yàn)證的方法求最優(yōu)核函數(shù)的參數(shù)c和gamma。表4列出了不同數(shù)據(jù)集的最優(yōu)參數(shù)c和gamma以及交叉驗(yàn)證的準(zhǔn)確率rate，rate最大值對(duì)應(yīng)的c和gamma即是最優(yōu)參數(shù)。

表4 LiSVM最優(yōu)參數(shù)

為了評(píng)價(jià)最終的分類效果，本文采用分類準(zhǔn)確率(Accuracy)，即文本分類正確數(shù)占文本總數(shù)的比例，作為評(píng)價(jià)指標(biāo)，其公式為：

(8)

其中:ncorrect表示文本分類正確數(shù)，nall表示本文總數(shù)。

本文在兩種不同類型電影數(shù)據(jù)集上分別進(jìn)行了三組對(duì)比實(shí)驗(yàn)，分別為：

1)Lexicon。 基于詞典的方法。

2)WT。 使用弱標(biāo)注信息作為數(shù)據(jù)的標(biāo)注，并在SVM分類器上進(jìn)行情感分類。

3)WT+Lexicon。 使用基于詞典的方法和弱標(biāo)注信息標(biāo)注數(shù)據(jù)，并在SVM分類器上進(jìn)行情感分類。

最終實(shí)驗(yàn)結(jié)果如表5所示。

表5 3種方法分類準(zhǔn)確率對(duì)比

從表5可以看出，基于機(jī)器學(xué)習(xí)的方法在準(zhǔn)確率上比基于詞典的方法高，準(zhǔn)確率分別達(dá)到了75.5%和75.7%，而本文方法在準(zhǔn)確率上分別達(dá)到了77.2%和77.8%，相比單一基于弱標(biāo)注信息的機(jī)器學(xué)習(xí)方法，分別提高了1.7個(gè)百分點(diǎn)和2.1個(gè)百分點(diǎn)，證明了本文算法的有效性，本文方法也更加適合于評(píng)論文本的情感分析。本文方法與基于機(jī)器學(xué)習(xí)的方法相比，在數(shù)據(jù)訓(xùn)練部分，利用基于情感詞典的分類方法和用戶評(píng)分相結(jié)合的方式去除了部分?jǐn)?shù)據(jù)噪聲，使得模型訓(xùn)練更加準(zhǔn)確，因此本文方法在準(zhǔn)確率上才會(huì)提高。

同時(shí)，從三類實(shí)驗(yàn)的結(jié)果看，三種方法的準(zhǔn)確率都有待提高?？紤]到基于詞典的方法是基于詞典和規(guī)則的算法，同時(shí)也對(duì)分詞工具有一定的要求，因此要提高基于詞典的方法的準(zhǔn)確率就需要分詞工具能準(zhǔn)確分出評(píng)論的詞語(yǔ)和詞性，其次要擴(kuò)充現(xiàn)有的詞典以滿足現(xiàn)在的互聯(lián)網(wǎng)評(píng)論語(yǔ)句，最后應(yīng)設(shè)定更加合理的情感匹配規(guī)則。而本文方法與特征選擇和標(biāo)注信息相關(guān)，要提高準(zhǔn)確率就需要在特征選取方面加以改進(jìn)；在不考慮人工標(biāo)注的情況下，本文方法是有一定的適用性的。

5 結(jié)語(yǔ)

本文提出了一種基于詞典和弱標(biāo)注信息相結(jié)合的文本情感分析方法，實(shí)驗(yàn)準(zhǔn)確率相比傳統(tǒng)的基于詞典的方法和基于弱標(biāo)注信息的機(jī)器學(xué)習(xí)方法有了一定的提升，在不同類型的電影數(shù)據(jù)集上準(zhǔn)確率分別達(dá)到了77.2%和77.8%，分別提升了1.7個(gè)百分點(diǎn)和2.1個(gè)百分點(diǎn)，驗(yàn)證了本文方法的有效性。評(píng)論語(yǔ)料的初始預(yù)處理到進(jìn)一步的特征選擇都會(huì)影響最終的分類結(jié)果，因此本文方法在分詞工具選擇和特征選擇方面可以進(jìn)一步對(duì)比和優(yōu)化，選擇最適合本領(lǐng)域的分詞工具和特征組合。