基于情感詞組合模式的情感細(xì)分類研究?

盧 莉 馬 力

（西安郵電大學(xué)計(jì)算機(jī)學(xué)院 西安 710121）

1 引言

隨著Web2.0 的飛速發(fā)展，新型社交媒體已逐漸取代了傳統(tǒng)的社交方式，成為人們?nèi)粘Ｉ钪胁豢苫蛉钡囊徊糠?。人們通過一些新型社交媒體如微博、微信、論壇等交流溝通，表達(dá)自己的一些日常情感。微博成為眾多的新型社交媒體中應(yīng)用最廣泛的互聯(lián)網(wǎng)平臺(tái)之一。并結(jié)合手機(jī)等移動(dòng)終端，方便用戶隨時(shí)隨地更新和獲取信息。

在這個(gè)開放的社交平臺(tái)上，通過網(wǎng)絡(luò)把認(rèn)識(shí)的和不認(rèn)識(shí)的人都聯(lián)系在一起，人們可以查找自己感興趣的人或事，跟蹤事情的發(fā)展動(dòng)態(tài)，也可以針對(duì)時(shí)下的熱點(diǎn)話題發(fā)表自己的看法或評(píng)論。

網(wǎng)絡(luò)平臺(tái)上的海量信息包含了日常生活中的方方面面，如社會(huì)民生、熱點(diǎn)新聞、購(gòu)物、娛樂等。出于不同的出發(fā)點(diǎn)和個(gè)人愛好，每個(gè)人對(duì)生活中的各種現(xiàn)象所表達(dá)的態(tài)度和意見都存在極大差異，這種差異蘊(yùn)含著極大的商業(yè)價(jià)值和社會(huì)價(jià)值。因此，對(duì)微博文本進(jìn)行情感分析具有十分重要的意義和應(yīng)用價(jià)值。

2 相關(guān)研究

文本情感分析是利用自然語言處理、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等技術(shù)，通過對(duì)文本內(nèi)容分析作者的觀點(diǎn)、態(tài)度、情感或者情緒，分析的文本對(duì)象包括新聞、評(píng)論、微博等文本內(nèi)容［15～18］。

情感分析中一個(gè)重要的環(huán)節(jié)就是情感傾向性分類的研究［12］，在情感傾向性分類研究中目前研究有兩類研究方向：一類是基于詞典和規(guī)則的文本傾向性研究，一類是基于機(jī)器學(xué)習(xí)的文本傾向性研究。

情感詞典作為一種重要的情感分類方法，能夠體現(xiàn)文本的非結(jié)構(gòu)化特征。Paltoglou等［1］采用基于情感詞典的情緒分類方法，該方法利用否定詞、大寫字母、情感增強(qiáng)減弱、情感極性等多種語言學(xué)預(yù)測(cè)函數(shù)，對(duì)微博進(jìn)行情感分類。此后Qiu 等［2］提出一種基于句法分析和情感詞典相結(jié)合的情感分類方法，該方法利用情感詞典和從廣告上下文中識(shí)別情感句，根據(jù)主題和關(guān)鍵字提取消費(fèi)者的情感態(tài)度。

在中文情感分類的研究中，Wan［3］利用機(jī)器翻譯將中文商品評(píng)論翻譯為英文評(píng)論，在利用英文情感分析資源對(duì)翻譯后的評(píng)論進(jìn)行情感極性的分類，此后，Wei 等［19］通過引入多語言模型，利用結(jié)構(gòu)一致學(xué)習(xí)算法減少機(jī)器翻譯的噪聲，充分利用了已有的英文語料，取得了較好的成績(jī)。

由于某些情感詞在不同的領(lǐng)域或者語境中含義不同，有不同的情感傾向，Jo 等［4］提出一種基于“主題-句子”關(guān)系的情感分類方法。謝麗星等基于情感詞典根據(jù)情感詞的個(gè)數(shù)進(jìn)行文本的情感極性分類任務(wù)。

隨著互聯(lián)網(wǎng)中新型詞的不斷涌現(xiàn)，基于詞典和規(guī)則的分類方法在分類時(shí)靈活度不夠，難以應(yīng)對(duì)不斷變化的詞性詞意，為了提高分類結(jié)果，研究者開始了基于機(jī)器學(xué)習(xí)的分類方法。

基于機(jī)器學(xué)習(xí)的分類方法是將情感分類作為一個(gè)模式分類問題，建立分類模型來判斷情感極性。Pang 等［5］通過對(duì)比一元特征、二元特征、形容詞打分、位置等多特征和特征權(quán)值和特征權(quán)重選擇策略，著重比較SVM、樸素貝葉斯和最大熵算法的分類效果。

Dong 等［6］提出一種基于自適應(yīng)遞歸神經(jīng)網(wǎng)絡(luò)的情感分類方法，該方法通過上下文和句法規(guī)則對(duì)詞的情感標(biāo)記進(jìn)行自適應(yīng)傳播，實(shí)現(xiàn)了目標(biāo)依賴的情感分類。

3 情感詞典的構(gòu)建

情感詞典是進(jìn)行情感分析的基礎(chǔ)［7］，要判斷一個(gè)句子所包含的情感需要計(jì)算句子中所包含的各個(gè)情感單元。因此，情感詞典的質(zhì)量在很大程度上影響了情感分類的結(jié)果［8～10］。微博文本具有短小、口語化等特點(diǎn)，如何判斷其情感類別，情感詞典的作用就顯得更加重要。情感詞典的收集整理是一個(gè)持續(xù)不斷的過程，本文在已有的情感詞匯本體庫的基礎(chǔ)上進(jìn)行擴(kuò)充，整理出一個(gè)適用于微博文本的情感詞典。

3.1 通用基礎(chǔ)詞典

本文基于微博文本的情感細(xì)分類使用中文情感詞匯本體庫作為基礎(chǔ)情感詞典，該詞典分別從情感類別、強(qiáng)度、極性分布和詞性對(duì)情感詞進(jìn)行了描述。

情感詞匯本體庫共包括情感詞27466 個(gè)，將情感極性分為四類，中性用0 表示，褒義用1 表示，貶義用2表示，褒貶兩性用3表示；情感類別和詞語類型分別分為七類，情感強(qiáng)度有1、3、5、7、9 五檔，數(shù)字越大，情感強(qiáng)度越大。

情感詞匯本體庫雖然包含了許多詞匯，但很多都比較陳舊，如果使用此詞典進(jìn)行情感的細(xì)粒度分類其準(zhǔn)確率肯定會(huì)有很大程度的影響［13］，因此需要對(duì)情感詞典進(jìn)行擴(kuò)充，以適應(yīng)微博文本的特點(diǎn)。

本文將情感詞匯本體庫中所有情感詞作為基準(zhǔn)詞，然后計(jì)算基準(zhǔn)詞與候選詞之間的語義相似度，這里采用PMI 算法，基本思想就是統(tǒng)計(jì)基準(zhǔn)詞和候選詞在文本中同時(shí)出現(xiàn)的概率，概率越大其關(guān)聯(lián)性就越高。通過式（1）進(jìn)行擴(kuò)展：

這些擴(kuò)展的基礎(chǔ)詞的情感類別為與其語義最相似的情感詞的情感類別，情感強(qiáng)度為情感詞強(qiáng)度與擴(kuò)展詞相似度的乘積。利用這種方法對(duì)通用基礎(chǔ)詞典進(jìn)行擴(kuò)展，得到最終通用基礎(chǔ)詞典。

3.2 輔助情感詞典

基于微博文本的特殊性，若是單純依靠情感詞典進(jìn)行情感分類，其分類結(jié)果不是十分精確。鑒于微博文本十分口語化并且包含很多網(wǎng)絡(luò)新型詞匯和表情符號(hào)等，這些詞語通常具有很強(qiáng)烈的情感極性但在情感詞典中是不存在的。基于此，在基礎(chǔ)情感詞典的基礎(chǔ)上添加輔助情感詞典。

1）網(wǎng)絡(luò)情感詞

網(wǎng)絡(luò)情感詞是通過網(wǎng)絡(luò)的發(fā)展流行起來的帶有情感傾向的新詞，網(wǎng)絡(luò)情感詞沒有固定的規(guī)律，具有多樣化，形象化等特點(diǎn)。如：“666”，“么么噠”，“呵呵噠”等。這些情感詞在基礎(chǔ)情感詞典中是沒有的，但在微博文本中應(yīng)用很多，對(duì)情感分類的準(zhǔn)確度有很大程度的影響。本文搜集的網(wǎng)絡(luò)情感詞來自搜狗網(wǎng)絡(luò)流行新詞，選擇當(dāng)下流行的網(wǎng)絡(luò)新詞人工賦予其情感類型及其權(quán)重。

2）表情符號(hào)

微博短文本還存在大量的表情符號(hào)，微博用戶喜歡在短文本中添加表情符號(hào)來直觀的表述自己的感情。這些表情符號(hào)在情感本體庫中并不存在，本文通過人工標(biāo)注的方法對(duì)常用的表情符號(hào)進(jìn)行情感相近的情感詞進(jìn)行代替，并賦予情感類別和情感強(qiáng)度。

3）程度副詞

程度副詞對(duì)情感強(qiáng)度有一定程度的影響，例如：“今天心情挺好的”和“今天心情超級(jí)好”，兩句話雖然都表達(dá)了“樂”這一情感，但情感強(qiáng)度完全不同，引入程度副詞對(duì)情感分類的準(zhǔn)確度進(jìn)行修正。

4）否定詞詞典

否定詞的出現(xiàn)會(huì)對(duì)整個(gè)句子的情感類別帶來很大程度的影響，特別是針對(duì)情感細(xì)分類的情況，情感遷移比較復(fù)雜。積極情感經(jīng)過否定詞修飾后可能會(huì)變成消極情感，而消極情感經(jīng)過否定詞修飾后也可能趨于積極情感。

5）特殊情感調(diào)節(jié)詞典

短文本中有時(shí)存在一些特殊的符號(hào)對(duì)句子的情感產(chǎn)生影響，例如“”中的情感詞可能取自相反的情感，感嘆號(hào)（?。┣暗那楦性~往往加重了情感程度。因此對(duì)一些特殊的符號(hào)當(dāng)做一種特殊的情感要素添加到情感輕度的計(jì)算當(dāng)中。本文收集一些對(duì)情感計(jì)算造成影響的特殊符號(hào)組成特殊情感調(diào)節(jié)詞典。

4 基于情感詞組合模式的微博情感細(xì)分類

微博文本一般較短，只含有少量情感詞，基于情感詞典對(duì)微博文本進(jìn)行情感分析時(shí)可以使用情感詞語義加權(quán)的分析方法。

謝麗星等［11］使用式（2）基于情感詞典根據(jù)情感詞的個(gè)數(shù)進(jìn)行文本的情感極性分類任務(wù)。

其中Ni表示某類情感詞總數(shù)。

這種方法簡(jiǎn)單易行，在情感傾向性分類任務(wù)上取得了比較合理的分類結(jié)果，但是只計(jì)算情感詞個(gè)數(shù)，忽略了情感詞的情感強(qiáng)度。這種方法用于情感的細(xì)粒度分類任務(wù)上會(huì)存在很多的問題。

因此，在式（2）的基礎(chǔ)上，引入情感詞權(quán)重進(jìn)行基于情感詞典的細(xì)粒度分類。如式（3）所示。

其中Wij表示第i類情感中第j個(gè)情感詞的權(quán)重。

4.1 情感詞搭配模式

在對(duì)微博文本進(jìn)行情感分類時(shí)，不僅要考慮情感詞的權(quán)重大小，還需要考慮否定詞、程度副詞以及特殊符號(hào)對(duì)情感類別以及情感強(qiáng)度的影響。本文根據(jù)情感詞（包括網(wǎng)絡(luò)情感詞及微博表情）、否定詞和程度副詞的組合模式，給出組合情感詞的情感權(quán)重的計(jì)算方法。

通過觀察發(fā)現(xiàn)，在微博中否定詞和程度副詞用來修飾情感詞是通常會(huì)出現(xiàn)以下的組合方式。

方式一：否定詞+情感詞，當(dāng)句子中否定詞的個(gè)數(shù)為偶數(shù)時(shí)，情感類別不發(fā)生遷移，奇數(shù)則按一次遷移計(jì)算。如：“她不開心”，先取出“開心”這個(gè)情感詞，然后向前查詢否定詞的個(gè)數(shù)，根據(jù)否定詞個(gè)數(shù)進(jìn)行情感遷移。

方式二：程度副詞+情感詞，此時(shí)句子的情感類別不變，情感強(qiáng)度是所修飾的情感詞強(qiáng)度的基礎(chǔ)上乘以程度詞的情感權(quán)重，得到組合情感詞的情感類別及強(qiáng)度。

方式三：否定詞+程度副詞+情感詞或程度副詞+否定詞+情感詞，由于否定詞與程度副詞的前后順序不同，組合情感詞的情感值也不一樣。當(dāng)否定詞位于前程度副詞后時(shí)，先根據(jù)模式二進(jìn)行情感值的計(jì)算，把計(jì)算出的組合情感當(dāng)成一個(gè)情感詞，利用模式一計(jì)算遷移后的情感值；否定詞在后時(shí)同理。

方式四：情感詞+特殊符號(hào)，由于一些特殊的情感符號(hào)對(duì)文本的情感產(chǎn)生特殊的影響，會(huì)造成句子情感的遷移。如：我很“高興”，情感詞“高興”通過雙引號(hào)（“”）進(jìn)行情感遷移，變?yōu)閻骸?/p>

計(jì)算微博文本中所有情感組合模式的情感值，微博文本的總體情感類別及強(qiáng)度由文本中所有情感詞的情感值累加得到，取情感強(qiáng)度最大的情感類別作為該條微博的總體情感類別。

通常否定詞和程度副詞是用來修飾距離最近的情感詞，但是如果一個(gè)句子中存在多個(gè)修飾詞和情感詞，為了保證不出現(xiàn)修飾詞和情感詞互相交叉影響以確定情感詞組合單元，引入滑動(dòng)窗口的概念。在分詞后的詞表W=（w1，w2，…，wn）中，令詞語wi為中心詞，Lwi和Rwi分別為詞wi左右兩側(cè)第i個(gè)詞?；瑒?dòng)窗口的概念可表示為

使用分詞及詞性標(biāo)注后的詞表表示文本，滑動(dòng)窗口是以中心情感詞在上下詞語中向前或向后取n 個(gè)詞。窗口長(zhǎng)度的確定需要一定的先驗(yàn)知識(shí)，如果窗口長(zhǎng)度過大會(huì)影響分類的效率，過小則會(huì)影響分類準(zhǔn)確率。微博文本一般比較簡(jiǎn)短，通過統(tǒng)計(jì)對(duì)比，將窗口大小設(shè)為3 可以得到比較好的分類效果。

4.2 情感詞語義加權(quán)分類算法

通過滑動(dòng)窗口和情感詞組合模式，結(jié)合本文中的擴(kuò)充詞典提出就語義的情感強(qiáng)度加權(quán)計(jì)算算法：具體實(shí)現(xiàn)如表1所示。

表1 基于情感詞典的微博情感分析算法

對(duì)于文中的每個(gè)句子，通過以上的算法，首先需要進(jìn)行模式匹配后再計(jì)算所有情感詞的情感類別及強(qiáng)度，進(jìn)而得到整個(gè)文本的情感類別及強(qiáng)度。

5 實(shí)驗(yàn)結(jié)果與分析

本次實(shí)驗(yàn)的實(shí)驗(yàn)數(shù)據(jù)來源于CCF 舉辦的中文微博情緒識(shí)別比賽（NLP&CC2014）提供的公開數(shù)據(jù)集。該數(shù)據(jù)集內(nèi)容設(shè)計(jì)廣泛，并且每條微博及微博中的每個(gè)句子都進(jìn)行了情感類別的標(biāo)記，將14000 條微博按照情感類別不同分為了八類，分別是樂、好、怒、哀、懼、惡、驚和無情緒［14］。

本實(shí)驗(yàn)從14000 條微博文本中隨機(jī)抽取4000條，分別使用情感詞匯本體庫及本文構(gòu)建的微博情感詞典基于情感詞語義加權(quán)的情感分析方法進(jìn)行對(duì)比實(shí)驗(yàn)，結(jié)果如表2所示。

表2 分類結(jié)果

從表中可以看出，用融合語義特征的情感詞搭配模式對(duì)微博文本進(jìn)行分類取得了不錯(cuò)的效果。說明從語義角度挖掘微博情感特征能更準(zhǔn)確的表達(dá)微博文本的情感。

同時(shí)還發(fā)現(xiàn)融合了語義特征的情感分類算法對(duì)客觀文本的分類準(zhǔn)確率有較大的提高。分析原因：在實(shí)驗(yàn)送發(fā)現(xiàn)情感類別“怒”、“懼”、“哀”在發(fā)生情感詞否定遷移后，均變?yōu)闊o情感傾向的客觀文本，這也可以解釋這三個(gè)情感類別在僅使用情感詞進(jìn)行分類時(shí)分類準(zhǔn)確率不高的原因。同時(shí)微博文本口語化嚴(yán)重，情感詞不明顯，且存在很多反轉(zhuǎn)，對(duì)使用情感詞典進(jìn)行分類造成困難。

6 結(jié)語

本文為了更好地對(duì)微博短文本進(jìn)行分析，在基礎(chǔ)情感詞典的基礎(chǔ)上添加了輔助詞典對(duì)文博短文本的情感分類提供輔助作用，同時(shí)考慮到微博短文本的特點(diǎn)，采用了四種情感詞組合模式，將程度副詞、否定詞、特殊符號(hào)以及情感詞的搭配模式描述出來，利用滑動(dòng)窗口在情感詞的前后尋找程度副詞、否定詞和特殊符號(hào)，判斷短文本的情感傾向并計(jì)算出情感強(qiáng)度。

但是由于微博短文本的語句缺失比較嚴(yán)重，并且口語化嚴(yán)重，變化多端，在分類結(jié)果上不是特別理想。接下來在句法依存、上下文環(huán)境也要多加研究，同時(shí)要時(shí)時(shí)收錄網(wǎng)絡(luò)新型詞語和特殊符號(hào)。