鄭誠　楊希　張吉賡

摘要：隨著微博在網(wǎng)民中日益火熱，社會熱點(diǎn)問題容易快速地演變成微博熱門話題。由于微博用戶多、數(shù)據(jù)量大、情感復(fù)雜的特性，通過情感分析來準(zhǔn)確地獲取微博潛藏的社會價值、商業(yè)價值變得十分迫切。該文通過構(gòu)建情感詞典，查找語義規(guī)則，并將情感詞典與規(guī)則結(jié)合，建立微博情感分析模型，實驗結(jié)果表明本文方法在負(fù)向情感判別方面效果優(yōu)于SVM，并且在微博語料較短時，整體分類效果也優(yōu)于SVM。

關(guān)鍵詞：微博；情感分析；情感詞典；規(guī)則

中圖分類號：TP18 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2014）13-3111-03

微博是一個基于用戶關(guān)系信息分享、傳播以及獲取的平臺。用戶可以通過電腦、手機(jī)等各種客戶端組建個人社區(qū)，以140字以內(nèi)的文字更新信息，并實現(xiàn)即時分享。隨著微博在網(wǎng)民中的日益火熱，微博效應(yīng)正在逐漸形成，它已經(jīng)成為中國網(wǎng)民上網(wǎng)的主要活動之一。

微博用戶多、消息數(shù)量大的特性，使得越來越多的專家學(xué)者開始熱衷于研究它。微博世界里社會熱點(diǎn)遍布，其間充斥著各種情感，因而針對微博的情感分析也上升為了一個備受關(guān)注的研究熱點(diǎn)。通過對微博內(nèi)容進(jìn)行情感分析，我們可以準(zhǔn)確地挖掘并發(fā)現(xiàn)微博中潛藏的商業(yè)價值[1-2]以及社會價值[3-4]。

目前，進(jìn)行情感分析主要有兩種方法——情感詞典的方法和機(jī)器學(xué)習(xí)的方法[5-8]。運(yùn)用情感詞典的方法，是根據(jù)語料中包含的正向、負(fù)向、中性情感詞的數(shù)目或其權(quán)值等元素來判別情感分類；運(yùn)用機(jī)器學(xué)習(xí)的方法，是先對語料進(jìn)行特征選取，對訓(xùn)練集、測試集進(jìn)行標(biāo)注，然后利用支持向量機(jī)SVM等分類器來判別情感分類。

但是，這兩種方法各有弊端。情感詞典的方法，僅通過情感詞的數(shù)目或其權(quán)值來判別情感，這就忽略了微博文本的語義規(guī)則[9]，考慮不全面使得分類效果較差。機(jī)器學(xué)習(xí)的方法，因其本身需要先驗知識來訓(xùn)練出分類器，再進(jìn)行情感判別，這就導(dǎo)致了更換微博預(yù)料后，分類效果下降較明顯，方法的普適性不強(qiáng)。

鑒于以上存在的缺點(diǎn)，該文將運(yùn)用情感詞典與規(guī)則結(jié)合的方法，通過構(gòu)建較為完備的情感詞典，分析獲得能涵蓋大部分微博文本的語義規(guī)則，建立微博文本情感分析模型，對微博語料判別情感分類。

本文的組織架構(gòu)如下：第二章對相關(guān)背景進(jìn)行介紹；第三章分析所提出的模型及其設(shè)計；第四章將實驗結(jié)果進(jìn)行對比分析；第五章是總結(jié)。

1 背景

自然語言處理作為計算機(jī)學(xué)科中一個重要的研究方向，多年來一直吸引了廣大專家學(xué)者對其進(jìn)行研究。針對微博文本的情感分析，是這幾年自然語言處理的一個研究熱點(diǎn)。相較于英文微博，因為中文自身存在的語法、語義復(fù)雜性，使得中文微博的情感分析研究起步較晚，研究成果較少。

國內(nèi)較為知名的、參與度較高的中文微博文本情感分析測評主要有COAE和NLP&CC兩個會議測評。COAE是中文傾向性分析評測的簡稱，它以全國信息檢索學(xué)術(shù)會議（CCIR）為依托，迄今為止已成功組織了六屆，并從第五屆即COAE2013開始，增加設(shè)置了中文微博情感判別的測評任務(wù)。NLP&CC是自然語言處理與中文計算會議的簡稱，目前共舉辦了兩屆，它的評測作為中國計算機(jī)學(xué)會（CCF）中文信息技術(shù)專委會學(xué)術(shù)年會的一部分，測評任務(wù)設(shè)置包含了中文微博情感識別。這兩個會議測評都受到了國內(nèi)外相關(guān)領(lǐng)域的許多研究人員積極參與，共同促進(jìn)了中文微博情感分析的發(fā)展。

目前，中科院張華平博士團(tuán)隊研發(fā)的ICTCLAS分詞工具，經(jīng)過十余次版本更新，已包含了微博分詞、新詞發(fā)現(xiàn)與自適應(yīng)分詞、關(guān)鍵詞識別等新功能，為本領(lǐng)域研究人員提供了效果令人滿意的中文分詞系統(tǒng)。大連理工大學(xué)林鴻飛[10]教授團(tuán)隊人工整理標(biāo)注完成的情感詞匯本體庫使用較為廣泛，該資源在情感分析計算領(lǐng)域，為中文文本情感分析和傾向性分析提供一個便捷可靠的輔助手段。雖然許多專家學(xué)者對中文文本情感分析的研究不斷取得進(jìn)展[11-12]，但由于中文自身存在的語法、語義復(fù)雜性，依然存在著分詞較難、情感詞典不完備等問題。

2 模型介紹

針對以上問題，該文研究了如何對微博語料判別情感分類效果進(jìn)行提高，接下來闡述主要研究內(nèi)容分為：構(gòu)建情感詞典、獲取語義規(guī)則、建立情感分析模型。

2.1 情感詞典構(gòu)建

本文以大連理工大學(xué)情感詞匯本體庫來初步構(gòu)建情感詞典，選取了其中的詞語、詞性、強(qiáng)度、極性四個屬性，經(jīng)過必要的精簡保留，共獲得27466個情感詞及其屬性值。我們將COAE和NLP&CC提供的101865條測評微博語料，利用ICTCLAS分詞工具進(jìn)行新詞發(fā)現(xiàn)，獲得了263個新詞并將其各屬性進(jìn)行人工標(biāo)注加入情感詞典。詞典的詞性分為7類，分別是名詞（noun），動詞（verb），形容詞（adj），副詞（adv），網(wǎng)絡(luò)詞語（nw），成語（idiom），介詞短語（prep）。情感強(qiáng)度分為1，3，5，7，9五檔，9表示強(qiáng)度最大，1為強(qiáng)度最小。情感極性分為0代表中性，1代表褒義正向，2代表貶義負(fù)向。

表1 構(gòu)建的情感詞典格式

[詞語＼&詞性＼&強(qiáng)度＼&極性＼&熱情＼&adj＼&5＼&1＼&]

2.2 語義規(guī)則獲取

本文從分詞后的微博語料中，隨機(jī)抽取了500個情感詞組合（由子句中情感詞和其前面兩個詞構(gòu)成且不包含上一個情感詞，若其前面不足兩個詞則按實際情況組合）。通過人工判別這500個情感詞組合，獲取到了能涵蓋大部分微博的語義規(guī)則，以情感詞為中心，具體組合如下：

表2 含情感詞的組合模式

[序號＼&類型＼&示例＼&1＼&僅含情感詞＼&熱情＼&2＼&否定詞+情感詞＼&不 熱情＼&3＼&程度副詞+情感詞＼&太 熱情＼&4＼&否定詞+程度副詞+情感詞＼&不 太 熱情＼&5＼&程度副詞+否定詞+情感詞＼&太 不 熱情＼&6＼&否定詞+否定詞+情感詞＼&沒有 不 熱情＼&]endprint

然后通過查閱《現(xiàn)代漢語詞典》等文獻(xiàn)，并對微博語料進(jìn)行詞頻統(tǒng)計分析，構(gòu)建了常用的否定詞表（不、沒、非等共19個）和程度副詞表（很、最、非常等共22個），并依日常經(jīng)驗對其賦予了適當(dāng)?shù)臋?quán)值。

2.3 情感分析模型建立

通過以上構(gòu)建的情感詞典，結(jié)合語義規(guī)則組合、否定詞表、程度副詞表，運(yùn)用權(quán)值計算方法，給出每個情感詞組合的情感值計算公式如下：

[Ei=（-1）Oiaipim]

Ei為情感詞組合的情感值，等于0代表中性情感，大于0代表褒義正向，小于0代表貶義負(fù)向；Oi代表組合中否定詞的數(shù)目；ai代表組合中程度副詞的權(quán)值；pi代表組合中情感詞的權(quán)值（含符號）；m代表組合權(quán)值，在組合4中設(shè)m=0.4，起修正程度副詞的作用，在其他組合中設(shè)m=1，不起加強(qiáng)或削弱作用。

接著給出每個微博子句的情感均值計算公式如下：

[E=i=1Np（-1）Oiaipim+j=1Nn（-1）OjajpjmNp+Nn]

其中[E]為微博子句的情感均值，等于0代表中性情感，大于0代表褒義正向，小于0代表貶義負(fù)向；Np代表正向情感詞的數(shù)目，Nn代表負(fù)向情感詞的數(shù)目；Oi、Oj代表組合中否定詞的數(shù)目；ai、aj代表組合中程度副詞的權(quán)值；pi代表組合中正向情感詞的權(quán)值（含符號），pj代表負(fù)向情感詞的權(quán)值（含符號）；m代表組合權(quán)值，設(shè)置如上。

最后，含有多個子句的微博文本的總情感值E等于各微博子句情感值[E]之和，等于0代表中性情感，大于0代表褒義正向，小于0代表貶義負(fù)向，從而實現(xiàn)微博語料情感分類。

3 實驗結(jié)果

3.1 實驗設(shè)置

本文選取NLP&CC會議測評提供的已標(biāo)注微博語料10000條進(jìn)行實驗，其包含微博子句32185條，具體結(jié)果如下表。

表3 已標(biāo)注實驗語料（單位：條）

[類型＼&正向情感＼&負(fù)向情感＼&中性情感＼&總數(shù)＼&中性占比重＼&微博語料＼&2224＼&2114＼&5662＼&10000＼&56.62%＼&微博子句集＼&5034＼&5445＼&21706＼&32185＼&67.44%＼&]

我們采用SVM方法進(jìn)行對比，對每條微博選取分類特征如下：正向情感詞個數(shù)、負(fù)向情感詞個數(shù)、否定詞個數(shù)、形容詞個數(shù)、動詞個數(shù)、感嘆號是否出現(xiàn)、問號是否出現(xiàn)共7個特征。選用臺灣大學(xué)林智仁團(tuán)隊的libsvm工具，進(jìn)行5-折交叉驗證，評價指標(biāo)為精確率。

實驗前，我們對微博語料進(jìn)行了如下預(yù)處理：繁體簡體統(tǒng)一成中文簡體，全角半角統(tǒng)一成半角，去除冗余標(biāo)點(diǎn)符號，去除回復(fù)，去除博主名等。

3.2 實驗對比及分析

我們分別在微博語料、微博子句集下做實驗進(jìn)行對比，具體結(jié)果如下表。

表4 兩種數(shù)據(jù)集下的精確率

[實驗方法＼&精確率（微博語料）＼&精確率（微博子句集）＼&SVM＼&63.17%＼&63.744%＼&本文模型＼&62.55%＼&64.281%＼&]

我們又分別統(tǒng)計了兩個實驗的正向情感、負(fù)向情感、中性情感語句的準(zhǔn)確率，具體如下表所示。

表5 微博語料下的各種情感語句準(zhǔn)確率

[＼&SVM＼&本文模型＼&正向情感＼&62.185%＼&61.646%＼&負(fù)向情感＼&42.621%＼&43.377%＼&中性情感＼&71.229%＼&70.064%＼&]

表6 微博子句集下的各種情感語句準(zhǔn)確率

[＼&SVM＼&本文模型＼&正向情感＼&62.336%＼&63.707%＼&負(fù)向情感＼&42.975%＼&45.381%＼&中性情感＼&69.280%＼&69.156%＼&]

最后，我們分析實驗結(jié)果得到如下結(jié)論：（1）劃分子句后，微博語料較短，兩種方法的實驗效果均得到提升；（2）在微博語料較短的情況下，該文模型分類效果優(yōu)于SVM；（3）本文模型在負(fù)向情感判別方面效果優(yōu)于SVM。

我們分析數(shù)據(jù)得到如下原因：（1）當(dāng)微博語料較短時，SVM所提取的特征更明顯，該文模型計算單句的情感值也更為準(zhǔn)確，減少受到句間關(guān)系的影響；（2）當(dāng)微博語料較短時，該文模型是通過結(jié)合情感詞典與語義規(guī)則，利用了權(quán)值計算而不是特征提取，比SVM更準(zhǔn)確地判別情感分類；（3）因為中國人語言表達(dá)較含蓄，表示負(fù)面情感時使用“否定詞+正面情感詞”多于直接使用“負(fù)面情感詞”，比如說“不喜歡”多于直接說“討厭”，而本模型涵蓋了帶否定詞的情感組合模式，所以在判別負(fù)向情感方面較SVM更好。

4 總結(jié)

這幾年，越來越多的專家學(xué)者將目光投向于中文微博語料的情感極性分析，而目前普遍采用較多的是基于SVM的研究方法及其改進(jìn)算法。針對中文微博的一些特性，該文從提高準(zhǔn)確度和增強(qiáng)普適性的角度出發(fā)，通過結(jié)合情感詞典和語義規(guī)則，建立微博情感分析模型。實驗結(jié)果表明本模型在負(fù)向情感判別方面效果優(yōu)于SVM，并且在微博語料較短時，整體分類效果優(yōu)于SVM。

接下來的研究中，本模型還有如下幾點(diǎn)值得進(jìn)一步改進(jìn)：（1）情感詞典更加完備，微博世界新詞不斷涌現(xiàn)，發(fā)現(xiàn)更多的新詞擴(kuò)充到情感詞典能提高分類精確率；（2）增加對微博的子句與子句間關(guān)系的利用，使得轉(zhuǎn)折、遞進(jìn)、并列、讓步等句式能被用于情感計算；（3）逐步修正各個詞表中所賦的權(quán)值，于計算時得到更好效果。

參考文獻(xiàn)：

[1] Bo Pang， Lillian Lee. Opinion mining and sentiment analysis[C]//Foundations an Trends in Information Retrieval， 2（1-2）： 1-135.

[2] M.Q. Hu， B. Liu. Mining and Summarizing Customer Reviews[C]//ACM SIGKDD 2004： 168-177.

[3] 姚天昉， 程希文. 文本意見挖掘綜述[J]. 中文信息學(xué)報， 2008（3）.

[4] 趙妍妍， 秦兵， 劉挺. 文本情感分析[J]. 軟件學(xué)報， 2010， 21（8）： 1834-1848.

[5] Long Jiang， Mo Yu， Ming Zhou， et al. Target-dependent Twitter Sentiment Classification[C]//ACL 2011.

[6] 代六玲， 黃河燕， 陳肇雄. 中文文本分類中特征抽取方法的比較研究[J]. 中文信息學(xué)報， 2004（1）. （下轉(zhuǎn)第3123頁）

（上接第3113頁）

[7] 謝麗星， 周明， 孫茂松. 基于層次結(jié)構(gòu)的多策略中文微博情感分析和特征抽取[J]. 中文信息學(xué)報， 2012（01）.

[8] 謝麗星. 基于SVM的中文微博情感分析的研究[D]. 清華大學(xué)， 2011.

[9] Xiaowen Ding， Bing Liu. 2007. The Utility of Linguistic Rules in Opinion Mining [C]//SIGIR-2007（poster paper）， 811-812.

[10] 徐琳宏， 林鴻飛等. 情感語料庫的構(gòu)建和分析[J]. 中文信息學(xué)報， 2008（1）.

[11] 婁德成， 姚天昉. 漢語句子語義極性分析和觀點(diǎn)抽取方法的研究[J]. 計算機(jī)應(yīng)用， 2006（11）.

[12] 王素格， 李德玉， 魏英杰. 基于同義詞的詞匯情感傾向判別方法[J]. 中文信息學(xué)報， 2009（5）.endprint

然后通過查閱《現(xiàn)代漢語詞典》等文獻(xiàn)，并對微博語料進(jìn)行詞頻統(tǒng)計分析，構(gòu)建了常用的否定詞表（不、沒、非等共19個）和程度副詞表（很、最、非常等共22個），并依日常經(jīng)驗對其賦予了適當(dāng)?shù)臋?quán)值。

2.3 情感分析模型建立

通過以上構(gòu)建的情感詞典，結(jié)合語義規(guī)則組合、否定詞表、程度副詞表，運(yùn)用權(quán)值計算方法，給出每個情感詞組合的情感值計算公式如下：

[Ei=（-1）Oiaipim]

Ei為情感詞組合的情感值，等于0代表中性情感，大于0代表褒義正向，小于0代表貶義負(fù)向；Oi代表組合中否定詞的數(shù)目；ai代表組合中程度副詞的權(quán)值；pi代表組合中情感詞的權(quán)值（含符號）；m代表組合權(quán)值，在組合4中設(shè)m=0.4，起修正程度副詞的作用，在其他組合中設(shè)m=1，不起加強(qiáng)或削弱作用。

接著給出每個微博子句的情感均值計算公式如下：

[E=i=1Np（-1）Oiaipim+j=1Nn（-1）OjajpjmNp+Nn]

其中[E]為微博子句的情感均值，等于0代表中性情感，大于0代表褒義正向，小于0代表貶義負(fù)向；Np代表正向情感詞的數(shù)目，Nn代表負(fù)向情感詞的數(shù)目；Oi、Oj代表組合中否定詞的數(shù)目；ai、aj代表組合中程度副詞的權(quán)值；pi代表組合中正向情感詞的權(quán)值（含符號），pj代表負(fù)向情感詞的權(quán)值（含符號）；m代表組合權(quán)值，設(shè)置如上。

最后，含有多個子句的微博文本的總情感值E等于各微博子句情感值[E]之和，等于0代表中性情感，大于0代表褒義正向，小于0代表貶義負(fù)向，從而實現(xiàn)微博語料情感分類。

3 實驗結(jié)果

3.1 實驗設(shè)置

本文選取NLP&CC會議測評提供的已標(biāo)注微博語料10000條進(jìn)行實驗，其包含微博子句32185條，具體結(jié)果如下表。

表3 已標(biāo)注實驗語料（單位：條）

[類型＼&正向情感＼&負(fù)向情感＼&中性情感＼&總數(shù)＼&中性占比重＼&微博語料＼&2224＼&2114＼&5662＼&10000＼&56.62%＼&微博子句集＼&5034＼&5445＼&21706＼&32185＼&67.44%＼&]

我們采用SVM方法進(jìn)行對比，對每條微博選取分類特征如下：正向情感詞個數(shù)、負(fù)向情感詞個數(shù)、否定詞個數(shù)、形容詞個數(shù)、動詞個數(shù)、感嘆號是否出現(xiàn)、問號是否出現(xiàn)共7個特征。選用臺灣大學(xué)林智仁團(tuán)隊的libsvm工具，進(jìn)行5-折交叉驗證，評價指標(biāo)為精確率。

實驗前，我們對微博語料進(jìn)行了如下預(yù)處理：繁體簡體統(tǒng)一成中文簡體，全角半角統(tǒng)一成半角，去除冗余標(biāo)點(diǎn)符號，去除回復(fù)，去除博主名等。

3.2 實驗對比及分析

我們分別在微博語料、微博子句集下做實驗進(jìn)行對比，具體結(jié)果如下表。

表4 兩種數(shù)據(jù)集下的精確率

[實驗方法＼&精確率（微博語料）＼&精確率（微博子句集）＼&SVM＼&63.17%＼&63.744%＼&本文模型＼&62.55%＼&64.281%＼&]

我們又分別統(tǒng)計了兩個實驗的正向情感、負(fù)向情感、中性情感語句的準(zhǔn)確率，具體如下表所示。

表5 微博語料下的各種情感語句準(zhǔn)確率

[＼&SVM＼&本文模型＼&正向情感＼&62.185%＼&61.646%＼&負(fù)向情感＼&42.621%＼&43.377%＼&中性情感＼&71.229%＼&70.064%＼&]

表6 微博子句集下的各種情感語句準(zhǔn)確率

[＼&SVM＼&本文模型＼&正向情感＼&62.336%＼&63.707%＼&負(fù)向情感＼&42.975%＼&45.381%＼&中性情感＼&69.280%＼&69.156%＼&]

最后，我們分析實驗結(jié)果得到如下結(jié)論：（1）劃分子句后，微博語料較短，兩種方法的實驗效果均得到提升；（2）在微博語料較短的情況下，該文模型分類效果優(yōu)于SVM；（3）本文模型在負(fù)向情感判別方面效果優(yōu)于SVM。

我們分析數(shù)據(jù)得到如下原因：（1）當(dāng)微博語料較短時，SVM所提取的特征更明顯，該文模型計算單句的情感值也更為準(zhǔn)確，減少受到句間關(guān)系的影響；（2）當(dāng)微博語料較短時，該文模型是通過結(jié)合情感詞典與語義規(guī)則，利用了權(quán)值計算而不是特征提取，比SVM更準(zhǔn)確地判別情感分類；（3）因為中國人語言表達(dá)較含蓄，表示負(fù)面情感時使用“否定詞+正面情感詞”多于直接使用“負(fù)面情感詞”，比如說“不喜歡”多于直接說“討厭”，而本模型涵蓋了帶否定詞的情感組合模式，所以在判別負(fù)向情感方面較SVM更好。

4 總結(jié)

這幾年，越來越多的專家學(xué)者將目光投向于中文微博語料的情感極性分析，而目前普遍采用較多的是基于SVM的研究方法及其改進(jìn)算法。針對中文微博的一些特性，該文從提高準(zhǔn)確度和增強(qiáng)普適性的角度出發(fā)，通過結(jié)合情感詞典和語義規(guī)則，建立微博情感分析模型。實驗結(jié)果表明本模型在負(fù)向情感判別方面效果優(yōu)于SVM，并且在微博語料較短時，整體分類效果優(yōu)于SVM。

接下來的研究中，本模型還有如下幾點(diǎn)值得進(jìn)一步改進(jìn)：（1）情感詞典更加完備，微博世界新詞不斷涌現(xiàn)，發(fā)現(xiàn)更多的新詞擴(kuò)充到情感詞典能提高分類精確率；（2）增加對微博的子句與子句間關(guān)系的利用，使得轉(zhuǎn)折、遞進(jìn)、并列、讓步等句式能被用于情感計算；（3）逐步修正各個詞表中所賦的權(quán)值，于計算時得到更好效果。

參考文獻(xiàn)：

[1] Bo Pang， Lillian Lee. Opinion mining and sentiment analysis[C]//Foundations an Trends in Information Retrieval， 2（1-2）： 1-135.

[2] M.Q. Hu， B. Liu. Mining and Summarizing Customer Reviews[C]//ACM SIGKDD 2004： 168-177.

[3] 姚天昉， 程希文. 文本意見挖掘綜述[J]. 中文信息學(xué)報， 2008（3）.

[4] 趙妍妍， 秦兵， 劉挺. 文本情感分析[J]. 軟件學(xué)報， 2010， 21（8）： 1834-1848.

[5] Long Jiang， Mo Yu， Ming Zhou， et al. Target-dependent Twitter Sentiment Classification[C]//ACL 2011.

[6] 代六玲， 黃河燕， 陳肇雄. 中文文本分類中特征抽取方法的比較研究[J]. 中文信息學(xué)報， 2004（1）. （下轉(zhuǎn)第3123頁）

（上接第3113頁）

[7] 謝麗星， 周明， 孫茂松. 基于層次結(jié)構(gòu)的多策略中文微博情感分析和特征抽取[J]. 中文信息學(xué)報， 2012（01）.

[8] 謝麗星. 基于SVM的中文微博情感分析的研究[D]. 清華大學(xué)， 2011.

[9] Xiaowen Ding， Bing Liu. 2007. The Utility of Linguistic Rules in Opinion Mining [C]//SIGIR-2007（poster paper）， 811-812.

[10] 徐琳宏， 林鴻飛等. 情感語料庫的構(gòu)建和分析[J]. 中文信息學(xué)報， 2008（1）.

[11] 婁德成， 姚天昉. 漢語句子語義極性分析和觀點(diǎn)抽取方法的研究[J]. 計算機(jī)應(yīng)用， 2006（11）.

[12] 王素格， 李德玉， 魏英杰. 基于同義詞的詞匯情感傾向判別方法[J]. 中文信息學(xué)報， 2009（5）.endprint

然后通過查閱《現(xiàn)代漢語詞典》等文獻(xiàn)，并對微博語料進(jìn)行詞頻統(tǒng)計分析，構(gòu)建了常用的否定詞表（不、沒、非等共19個）和程度副詞表（很、最、非常等共22個），并依日常經(jīng)驗對其賦予了適當(dāng)?shù)臋?quán)值。

2.3 情感分析模型建立

通過以上構(gòu)建的情感詞典，結(jié)合語義規(guī)則組合、否定詞表、程度副詞表，運(yùn)用權(quán)值計算方法，給出每個情感詞組合的情感值計算公式如下：

[Ei=（-1）Oiaipim]

Ei為情感詞組合的情感值，等于0代表中性情感，大于0代表褒義正向，小于0代表貶義負(fù)向；Oi代表組合中否定詞的數(shù)目；ai代表組合中程度副詞的權(quán)值；pi代表組合中情感詞的權(quán)值（含符號）；m代表組合權(quán)值，在組合4中設(shè)m=0.4，起修正程度副詞的作用，在其他組合中設(shè)m=1，不起加強(qiáng)或削弱作用。

接著給出每個微博子句的情感均值計算公式如下：

[E=i=1Np（-1）Oiaipim+j=1Nn（-1）OjajpjmNp+Nn]

其中[E]為微博子句的情感均值，等于0代表中性情感，大于0代表褒義正向，小于0代表貶義負(fù)向；Np代表正向情感詞的數(shù)目，Nn代表負(fù)向情感詞的數(shù)目；Oi、Oj代表組合中否定詞的數(shù)目；ai、aj代表組合中程度副詞的權(quán)值；pi代表組合中正向情感詞的權(quán)值（含符號），pj代表負(fù)向情感詞的權(quán)值（含符號）；m代表組合權(quán)值，設(shè)置如上。

最后，含有多個子句的微博文本的總情感值E等于各微博子句情感值[E]之和，等于0代表中性情感，大于0代表褒義正向，小于0代表貶義負(fù)向，從而實現(xiàn)微博語料情感分類。

3 實驗結(jié)果

3.1 實驗設(shè)置

本文選取NLP&CC會議測評提供的已標(biāo)注微博語料10000條進(jìn)行實驗，其包含微博子句32185條，具體結(jié)果如下表。

表3 已標(biāo)注實驗語料（單位：條）

[類型＼&正向情感＼&負(fù)向情感＼&中性情感＼&總數(shù)＼&中性占比重＼&微博語料＼&2224＼&2114＼&5662＼&10000＼&56.62%＼&微博子句集＼&5034＼&5445＼&21706＼&32185＼&67.44%＼&]

我們采用SVM方法進(jìn)行對比，對每條微博選取分類特征如下：正向情感詞個數(shù)、負(fù)向情感詞個數(shù)、否定詞個數(shù)、形容詞個數(shù)、動詞個數(shù)、感嘆號是否出現(xiàn)、問號是否出現(xiàn)共7個特征。選用臺灣大學(xué)林智仁團(tuán)隊的libsvm工具，進(jìn)行5-折交叉驗證，評價指標(biāo)為精確率。

實驗前，我們對微博語料進(jìn)行了如下預(yù)處理：繁體簡體統(tǒng)一成中文簡體，全角半角統(tǒng)一成半角，去除冗余標(biāo)點(diǎn)符號，去除回復(fù)，去除博主名等。

3.2 實驗對比及分析

我們分別在微博語料、微博子句集下做實驗進(jìn)行對比，具體結(jié)果如下表。

表4 兩種數(shù)據(jù)集下的精確率

[實驗方法＼&精確率（微博語料）＼&精確率（微博子句集）＼&SVM＼&63.17%＼&63.744%＼&本文模型＼&62.55%＼&64.281%＼&]

我們又分別統(tǒng)計了兩個實驗的正向情感、負(fù)向情感、中性情感語句的準(zhǔn)確率，具體如下表所示。

表5 微博語料下的各種情感語句準(zhǔn)確率

[＼&SVM＼&本文模型＼&正向情感＼&62.185%＼&61.646%＼&負(fù)向情感＼&42.621%＼&43.377%＼&中性情感＼&71.229%＼&70.064%＼&]

表6 微博子句集下的各種情感語句準(zhǔn)確率

[＼&SVM＼&本文模型＼&正向情感＼&62.336%＼&63.707%＼&負(fù)向情感＼&42.975%＼&45.381%＼&中性情感＼&69.280%＼&69.156%＼&]

最后，我們分析實驗結(jié)果得到如下結(jié)論：（1）劃分子句后，微博語料較短，兩種方法的實驗效果均得到提升；（2）在微博語料較短的情況下，該文模型分類效果優(yōu)于SVM；（3）本文模型在負(fù)向情感判別方面效果優(yōu)于SVM。

我們分析數(shù)據(jù)得到如下原因：（1）當(dāng)微博語料較短時，SVM所提取的特征更明顯，該文模型計算單句的情感值也更為準(zhǔn)確，減少受到句間關(guān)系的影響；（2）當(dāng)微博語料較短時，該文模型是通過結(jié)合情感詞典與語義規(guī)則，利用了權(quán)值計算而不是特征提取，比SVM更準(zhǔn)確地判別情感分類；（3）因為中國人語言表達(dá)較含蓄，表示負(fù)面情感時使用“否定詞+正面情感詞”多于直接使用“負(fù)面情感詞”，比如說“不喜歡”多于直接說“討厭”，而本模型涵蓋了帶否定詞的情感組合模式，所以在判別負(fù)向情感方面較SVM更好。

4 總結(jié)

這幾年，越來越多的專家學(xué)者將目光投向于中文微博語料的情感極性分析，而目前普遍采用較多的是基于SVM的研究方法及其改進(jìn)算法。針對中文微博的一些特性，該文從提高準(zhǔn)確度和增強(qiáng)普適性的角度出發(fā)，通過結(jié)合情感詞典和語義規(guī)則，建立微博情感分析模型。實驗結(jié)果表明本模型在負(fù)向情感判別方面效果優(yōu)于SVM，并且在微博語料較短時，整體分類效果優(yōu)于SVM。

接下來的研究中，本模型還有如下幾點(diǎn)值得進(jìn)一步改進(jìn)：（1）情感詞典更加完備，微博世界新詞不斷涌現(xiàn)，發(fā)現(xiàn)更多的新詞擴(kuò)充到情感詞典能提高分類精確率；（2）增加對微博的子句與子句間關(guān)系的利用，使得轉(zhuǎn)折、遞進(jìn)、并列、讓步等句式能被用于情感計算；（3）逐步修正各個詞表中所賦的權(quán)值，于計算時得到更好效果。

參考文獻(xiàn)：

[1] Bo Pang， Lillian Lee. Opinion mining and sentiment analysis[C]//Foundations an Trends in Information Retrieval， 2（1-2）： 1-135.

[2] M.Q. Hu， B. Liu. Mining and Summarizing Customer Reviews[C]//ACM SIGKDD 2004： 168-177.

[3] 姚天昉， 程希文. 文本意見挖掘綜述[J]. 中文信息學(xué)報， 2008（3）.

[4] 趙妍妍， 秦兵， 劉挺. 文本情感分析[J]. 軟件學(xué)報， 2010， 21（8）： 1834-1848.

[5] Long Jiang， Mo Yu， Ming Zhou， et al. Target-dependent Twitter Sentiment Classification[C]//ACL 2011.

[6] 代六玲， 黃河燕， 陳肇雄. 中文文本分類中特征抽取方法的比較研究[J]. 中文信息學(xué)報， 2004（1）. （下轉(zhuǎn)第3123頁）

（上接第3113頁）

[7] 謝麗星， 周明， 孫茂松. 基于層次結(jié)構(gòu)的多策略中文微博情感分析和特征抽取[J]. 中文信息學(xué)報， 2012（01）.

[8] 謝麗星. 基于SVM的中文微博情感分析的研究[D]. 清華大學(xué)， 2011.

[9] Xiaowen Ding， Bing Liu. 2007. The Utility of Linguistic Rules in Opinion Mining [C]//SIGIR-2007（poster paper）， 811-812.

[10] 徐琳宏， 林鴻飛等. 情感語料庫的構(gòu)建和分析[J]. 中文信息學(xué)報， 2008（1）.

[11] 婁德成， 姚天昉. 漢語句子語義極性分析和觀點(diǎn)抽取方法的研究[J]. 計算機(jī)應(yīng)用， 2006（11）.

[12] 王素格， 李德玉， 魏英杰. 基于同義詞的詞匯情感傾向判別方法[J]. 中文信息學(xué)報， 2009（5）.endprint