李勝宇, 高俊波, 許莉莉

?

面向酒店評(píng)論的情感分析模型①

李勝宇, 高俊波, 許莉莉

(上海海事大學(xué)信息工程學(xué)院, 上海 201306)

提出一種基于文本特征的專門面向酒店評(píng)論領(lǐng)域的情感分析模型, 通過構(gòu)建酒店評(píng)論領(lǐng)域?qū)Ｓ们楦性~典, 并結(jié)合酒店評(píng)論的句式特征、語法特點(diǎn), 解決了通用情感分析模型應(yīng)用在酒店評(píng)論領(lǐng)域時(shí), 情感匹配不全面, 情感值計(jì)算不精確等問題. 本文實(shí)驗(yàn)結(jié)果表明, 基于文本特征的情感分析模型能對(duì)酒店評(píng)論情感分析取得較好的分類效果.

情感分析模型; 專用情感詞典; 句式特征; 語法特點(diǎn); 酒店評(píng)論

1 概述

越來越多的企業(yè)覺察到網(wǎng)絡(luò)技術(shù)帶來的機(jī)遇, 并因此努力在戰(zhàn)略、營銷和技術(shù)上尋求變革的契機(jī)與前進(jìn)發(fā)展的戰(zhàn)略. 客戶導(dǎo)向型的在線評(píng)論是企業(yè)獲得客戶反饋的關(guān)鍵來源. 企業(yè)從客戶的反饋內(nèi)容和口碑信息中得到有價(jià)值的意見來提升自己的產(chǎn)品、改善服務(wù), 以此提高自身競爭力. 因此, 若能徹底挖掘在線評(píng)論中的特征、情感信息并了解客戶的喜好偏愛, 對(duì)企業(yè)和消費(fèi)者都將具有十分重要的意義.

情感分析是指利用計(jì)算機(jī)分析隱藏在文本中的情感態(tài)度, 并將其分類為積極情感態(tài)度或者消極情感態(tài)度[1]. 情感分類系統(tǒng)可以幫助我們挖掘出隱藏在酒店評(píng)論中的用戶的情感傾向[2], 對(duì)消費(fèi)者和決策者提供決策建議. 目前主要有兩種情感分析技術(shù): (1)語義方法[3]. BingLiu等[4]人通過提取評(píng)論中產(chǎn)品的屬性及對(duì)于該屬性的評(píng)價(jià)來判斷評(píng)論的語義傾向. 史偉等[5]從語義的角度構(gòu)建模糊情感本體, 對(duì)在線評(píng)論情感分析進(jìn)行研究. (2)機(jī)器學(xué)習(xí)方法[6]. Whitelaw[7]等人對(duì)評(píng)論形容詞及其修飾語特征抽取, 采用SVM對(duì)評(píng)論進(jìn)行褒貶分類. 王祖輝[8]等采用粗糙集方法挖掘在線評(píng)論中的固定搭配特征, 將其融合于SVM與Naive Bayes等情感分析模型中.

繼續(xù)敘述之前, 現(xiàn)將酒店評(píng)論的六點(diǎn)明顯特征描述如下:

(1) 總結(jié)詞眾多: 酒店評(píng)論者多會(huì)用“總之”、“總的來說”、“我覺得”、“我認(rèn)為”等詞來總結(jié)對(duì)整條評(píng)論的情感, 是評(píng)論者情感值重點(diǎn)體現(xiàn)的文本部分.

(2) 轉(zhuǎn)折詞出現(xiàn)頻率高: “但是”、“不過”等表總結(jié)的詞語在酒店評(píng)論文本中出現(xiàn)較一般文本次數(shù)多.

(3) 關(guān)鍵詞出現(xiàn)頻率高: 許多評(píng)論者在評(píng)論的開頭或者結(jié)尾, 會(huì)提出建議性的句子, 標(biāo)志此類句子的關(guān)鍵詞為“建議”, “推薦”等.

(4) 評(píng)價(jià)詞眾多: 評(píng)價(jià)詞是酒店評(píng)論中出現(xiàn)最多的詞語類型, 體現(xiàn)了評(píng)論者對(duì)酒店的情感態(tài)度. 所以評(píng)價(jià)詞在酒店評(píng)論領(lǐng)域也要?jiǎng)澐譃榍楦性~的范疇.

(5) 句式口語化: 由于評(píng)論者眾多, 各個(gè)評(píng)論者的句式用戶習(xí)慣不同, 文本評(píng)論呈現(xiàn)出較高程度的口語化.

(6) 網(wǎng)絡(luò)流行詞眾多: 酒店評(píng)論中通常會(huì)出現(xiàn)很多網(wǎng)絡(luò)流行詞語, 這些詞語沒有被收錄在通用情感詞典或者評(píng)論詞詞典中.

目前的研究中專門針對(duì)酒店評(píng)論的情感分析研究還比較少, 不具有非常明確的針對(duì)性. 基于機(jī)器學(xué)習(xí)的方法需要大規(guī)模的語料庫, 往往不能深入到酒店評(píng)論的具體語義內(nèi)部. 而現(xiàn)有的基于語義的方法, 只針對(duì)評(píng)論與普通文本的共性進(jìn)行建模, 往往忽略了上文總結(jié)出的酒店評(píng)論尤為突出的六個(gè)特點(diǎn).

2 基于文本特征的酒店評(píng)論情感分析模型

2.1 模型概述

本文正式在酒店評(píng)論特征基礎(chǔ)上, 深入理解酒店評(píng)論文本的語義特點(diǎn), 從而建立面向酒店評(píng)論的情感分析模型. 本文情感分析模型主要由以下幾部分組成, 如圖1所示.

圖1 酒店評(píng)論情感分析模型

該模型根據(jù)酒店評(píng)論特征, 先建立酒店評(píng)論領(lǐng)域的專用情感詞典, 再根據(jù)酒店評(píng)論文本特征設(shè)定酒店評(píng)論文本情感值計(jì)算策略, 最后根據(jù)計(jì)算出的正負(fù)情感分值對(duì)酒店評(píng)論分類.

2.2 構(gòu)建酒店評(píng)論領(lǐng)域?qū)Ｓ们楦性~典

酒店評(píng)論領(lǐng)域?qū)Ｓ们楦性~典的構(gòu)建, 基于HowNet情感詞典, 從兩個(gè)方面構(gòu)建酒店評(píng)論領(lǐng)域?qū)Ｓ们楦性~典.

構(gòu)建酒店評(píng)論領(lǐng)域的特定詞詞集. 酒店領(lǐng)域特定詞在描述其他非酒店領(lǐng)域時(shí)沒有表現(xiàn)出情感態(tài)度, 但在描述酒店領(lǐng)域時(shí)卻表現(xiàn)明顯的情感態(tài)度. 這些詞只會(huì)或者大多數(shù)情況下會(huì)出現(xiàn)在酒店的評(píng)論中, 而在其他領(lǐng)域不會(huì)或者極少出現(xiàn)[9], 基于特定詞的這一特性, 本文提出了一中基于TF-IDF的特定詞詞集選取構(gòu)建方法, 詳細(xì)步驟如圖2所示.

圖2 酒店評(píng)論領(lǐng)域特定詞構(gòu)建過程

收集能表現(xiàn)出情感值的網(wǎng)絡(luò)流行詞. 本文選用網(wǎng)詞典官網(wǎng)(http://wangci.net/word.html)收錄的常用網(wǎng)絡(luò)詞匯. 最后將收集到的特定詞, 網(wǎng)絡(luò)流行詞合并添加到知網(wǎng)情感詞典中, 得到酒店評(píng)論領(lǐng)域?qū)Ｓ们楦性~典. 該詞典收錄了比HowNet情感詞典更加全面的針對(duì)酒店評(píng)論領(lǐng)域的情感詞, 使得情感分值的計(jì)算更加精確. 部分特定詞、網(wǎng)絡(luò)流行詞如表1所示.

表1 部分特定詞、網(wǎng)絡(luò)流行詞詞表

2.3 酒店評(píng)論特殊詞語分析

章節(jié)1中我們總結(jié)出了酒店評(píng)論在句式上的3點(diǎn)明確的規(guī)律, 即轉(zhuǎn)折詞、總結(jié)詞、關(guān)鍵詞出現(xiàn)的頻率較高, 這對(duì)我們?cè)诤艽蟪潭壬习盐站频暝u(píng)論的情感分析尤為重要, 下面給出這三類詞語的特點(diǎn)以及其是如何影響酒店評(píng)論的情感的.

(1) 總結(jié)詞: 漢語中, 總結(jié)詞表示對(duì)一段文本的歸納, 能體現(xiàn)出一段文本的整體意思. 在酒店評(píng)論中, 總結(jié)詞可能出現(xiàn)在句首或句尾, 也總結(jié)了評(píng)論者對(duì)所評(píng)論酒店的情感態(tài)度.

例1. 環(huán)境和設(shè)施都不好, 提前預(yù)訂的不靠鐵軌的房間沒給保留,整晚的火車汽笛聲影響了睡眠. 總之, 很失望, 是不會(huì)再去住了.

上例中, “總之”一詞后面的情感詞不僅是文本中其他位置出現(xiàn)的情感詞的復(fù)現(xiàn), 而且更加集中體現(xiàn)了評(píng)論者對(duì)所評(píng)論酒店的情感態(tài)度. 所以這種情況下, 總結(jié)詞后面出現(xiàn)的情感詞(總結(jié)詞所在的句子), 其權(quán)重要遠(yuǎn)大于評(píng)論中其他位置的情感詞.

(2) 轉(zhuǎn)折詞: 轉(zhuǎn)折詞在句中出現(xiàn)的位置一般在句子的后半部分, 是對(duì)其前面出現(xiàn)的詞語的作用的弱化, 并且將句子的情感傾向轉(zhuǎn)向轉(zhuǎn)折詞后出現(xiàn)的情感詞[10-11]. 一句話中若出現(xiàn)了轉(zhuǎn)折詞, 那么該句子的作者往往希望讀者更為關(guān)注的是轉(zhuǎn)折詞句子表達(dá)的意思. 所以轉(zhuǎn)折詞若在酒店評(píng)論中出現(xiàn), 表明評(píng)論者更為在意的是轉(zhuǎn)折詞之后的所評(píng)論對(duì)象, 轉(zhuǎn)折詞之后出現(xiàn)的情感詞就應(yīng)具有更大的情感詞權(quán)重.

例2. 地理位置不錯(cuò), 距離商業(yè)中心政治中心和黃河都很近. 但是服務(wù)太差, 連東部地區(qū)的三星都不如.

上例中, “但是”一詞可以看出相比于酒店“地理位置”評(píng)論者更在意酒店“服務(wù)”, 在分析這條評(píng)論的情感時(shí), 應(yīng)該給予轉(zhuǎn)折詞后面的情感詞更大的權(quán)重.

(3) 關(guān)鍵詞: 這里所說的關(guān)鍵詞是指在評(píng)論中出現(xiàn)的表示評(píng)論者建議性的詞語, 如“建議入住”、“特別推薦”等詞語或詞組.

例3 酒店根本沒有裝修, 屋子里一股霉味. 收費(fèi)的寬帶, 有的房間還沒有. 餐廳一塌糊涂. 沒有任何值得推薦的地方. 強(qiáng)烈建議大家以后不要住這里, 真的是太讓人失望了.

上例中, “強(qiáng)烈建議”一詞明確表明了評(píng)論者的情感態(tài)度, 即消極態(tài)度. 所以, 若一條評(píng)論中出現(xiàn)了關(guān)鍵詞, 可以把整句的情感態(tài)度聚焦到關(guān)鍵詞所在句, 即可得到評(píng)論者的情感態(tài)度. 關(guān)鍵詞所在分句的能夠比較明確表明評(píng)論的整體情感態(tài)度, 其表現(xiàn)出的情感態(tài)度傾向較強(qiáng).

一條評(píng)論可以被分成多個(gè)分句, 如上所述, 而每個(gè)分句的情感態(tài)度受總結(jié)詞、轉(zhuǎn)折詞、關(guān)鍵詞影響. 為了便于下文情感值計(jì)算, 將分句分為四類: 總結(jié)句, 含有總結(jié)詞的分句; 關(guān)鍵句, 含有關(guān)鍵詞的分句; 轉(zhuǎn)折句, 含有轉(zhuǎn)折詞的分句; 一般分句, 不含有任何特征詞的分句. 部分特征詞如表2所示.

表2 部分特征詞

根據(jù)特征詞將評(píng)論分句并分類后, 由于不含情感詞的分句對(duì)情感極性的計(jì)算無影響. 所以為了方便后文情感極性的計(jì)算, 對(duì)得到的分句列表進(jìn)行篩選, 只保留含有情感詞的分句. 章節(jié)3.3中進(jìn)一步對(duì)保留的分句進(jìn)行情感極性計(jì)算.

2.4 酒店評(píng)論情感極性計(jì)算

情感分類詳細(xì)流程如圖3所示, 依照?qǐng)D3流程情感值計(jì)算步驟依次如下:

圖3 酒店評(píng)論情感分析流程

第一步, 不考慮特殊詞的情況下(圖3中計(jì)算規(guī)則), 計(jì)算出一個(gè)分句的正負(fù)情感分值, 分句正向情感分值計(jì)算如公式(1), 負(fù)向情感分值計(jì)算方法類似:

其中,表示一個(gè)分句的正向情感詞分值;為否定詞個(gè)數(shù), 否定詞個(gè)數(shù)為偶數(shù)時(shí),取值2, 否則取值1;為程度副詞權(quán)重;為正向情感詞分值; 若分句末尾標(biāo)點(diǎn)符號(hào)是“！”, 則m取值1, 否則取值0.

將分值歸一化處理:

每個(gè)分句情感分值在區(qū)間[1, 2]內(nèi), 則一條評(píng)論的分句情感值可如下表示:

(3)

第二步, 根據(jù)酒店評(píng)論特殊詞, 對(duì)正負(fù)情感分值作進(jìn)一步處理:

1) 若評(píng)論中含有帶轉(zhuǎn)折詞的分句, 需要對(duì)該分句中的情感詞分值進(jìn)行調(diào)整, 使其權(quán)重增大, 調(diào)整后的情感值如公式(4).

2) 若評(píng)論中含有帶總結(jié)詞的分句, 則該評(píng)論情感分值只需保留含有總結(jié)詞分句的情感分值, 該分值就是該評(píng)論的情感分值.

3) 若評(píng)論中含有帶關(guān)鍵詞的分句, 則該評(píng)論需要做關(guān)鍵詞分句計(jì)算. 如果一條評(píng)論含有五個(gè)情感分句, 各個(gè)句子得分分別是S1、S2、S3、S4、S5(S1、S2、S3、S4、S5同時(shí)為正向情感值或同時(shí)為負(fù)向情感值, 假設(shè)S1是關(guān)鍵詞句的情感分值), 整個(gè)文本得分計(jì)算方法如公式(5)所示.

其中, 參數(shù)A、B是分句權(quán)重參數(shù), 由于章節(jié)3.2分析可知A必大于B, 其大小由實(shí)驗(yàn)驗(yàn)證確定最佳值.

在此, 設(shè)置多組實(shí)驗(yàn)條件確定A、B的大小. 實(shí)驗(yàn)條件如表3所示.

表3 參數(shù)條件設(shè)置

經(jīng)過多次試驗(yàn)驗(yàn)證, 如果S1是該評(píng)論的首句, 當(dāng)A取0.7, B取0.3時(shí), 計(jì)算所得情感分值用于分類時(shí)分類效果最好; 如果S1是該評(píng)論的尾句, 當(dāng)A取0.8, B取0.2時(shí)時(shí), 計(jì)算所得情感分值用于分類時(shí)分類效果最好.

可以發(fā)現(xiàn)當(dāng)S1位于句尾時(shí)A的大小要大于當(dāng)S1位于句首時(shí), 這是因?yàn)楫?dāng)S1位于句尾時(shí), 關(guān)鍵句涵蓋的范圍會(huì)包括本條酒店評(píng)論的起始至結(jié)尾, 而S1位于句首時(shí), 后文出現(xiàn)的情感詞并不一定涵蓋在該關(guān)鍵句的作用范圍, 可能出現(xiàn)與關(guān)鍵詞句情感態(tài)度相反的情感詞.

4) 不含有特殊詞的一般文本, 將所得情感分句的正負(fù)情感分值分別求和, 所得即為該評(píng)論的正負(fù)情感分值.

經(jīng)以上分句情感值計(jì)算后, 得到整條評(píng)論的最終正負(fù)情感分值列表. 為了將評(píng)論情感態(tài)度進(jìn)行正負(fù)分類, 計(jì)算評(píng)論正負(fù)情感傾向相對(duì)值, 計(jì)算公式如下:

第三步, 最終根據(jù)E的大小分類, 如公式(7)所示.

(7)

3 實(shí)驗(yàn)結(jié)果與分析

3.1 實(shí)驗(yàn)數(shù)據(jù)準(zhǔn)備

從國內(nèi)最大的酒店預(yù)訂電子商務(wù)網(wǎng)站攜程旅行網(wǎng)爬取酒店評(píng)論12000條, 經(jīng)人工標(biāo)注后選取積極評(píng)論7000條, 消極評(píng)論3000條. 測試集是從數(shù)據(jù)堂下載的2000條已經(jīng)標(biāo)注的酒店評(píng)論平衡語料庫. 網(wǎng)詞典官網(wǎng)(http://wangci.net/word.html)常用流行詞庫中, 經(jīng)過人工篩選出常用正向網(wǎng)絡(luò)流行詞語15個(gè), 負(fù)向網(wǎng)絡(luò)流行詞語54個(gè).

3.2 評(píng)價(jià)指標(biāo)

對(duì)于實(shí)驗(yàn)結(jié)果的評(píng)價(jià), 本文采用準(zhǔn)確率、召回率和 F1-指數(shù)來進(jìn)行評(píng)價(jià):

1) 召回率:

2) 準(zhǔn)確率:

3) F1-指數(shù)

3.3 實(shí)驗(yàn)結(jié)果及分析

為了驗(yàn)證本文提出的情感分類模型的有效性, 參照張昊旻等[12]的基于權(quán)值算法和SVM分類器設(shè)置對(duì)比實(shí)驗(yàn). 對(duì)比實(shí)驗(yàn)結(jié)果如表4所示.

表4 對(duì)比實(shí)驗(yàn)結(jié)果

通過比較不同實(shí)驗(yàn)條件下的實(shí)驗(yàn)結(jié)果可以發(fā)現(xiàn), 實(shí)驗(yàn)效果的指標(biāo)是逐漸增高的. 其中當(dāng)基于文本特征和本文所構(gòu)建的專用情感詞典時(shí), 實(shí)現(xiàn)效果整體達(dá)到最好, 證明了本文提出的算法的高效性和針對(duì)酒店評(píng)論的實(shí)用性. 產(chǎn)生這種結(jié)果的原因主要有兩點(diǎn): (1)構(gòu)建的專用酒店評(píng)論情感分析情感詞典降低了酒店評(píng)論極性計(jì)算時(shí)情感詞缺失的可能性, 從而提高了情感值計(jì)算的準(zhǔn)確度; (2)基于文本特征的計(jì)算方法, 考慮到特征詞在酒店評(píng)論文本中情感導(dǎo)向的作用, 引導(dǎo)本文算法將重點(diǎn)集中在評(píng)論文本中最能體現(xiàn)評(píng)論文本情感傾向的部分.

基于文本的算法中, 一些問題會(huì)導(dǎo)致系統(tǒng)情感分類錯(cuò)誤, 主要有以下原因:

1) 評(píng)論中不含情感詞. 在部分酒店評(píng)論文本中不含有明確表明態(tài)度的情感詞, 但是其卻有明顯的情感傾向. 本文算法在判斷此類評(píng)論時(shí), 無法計(jì)算到情感分值, 導(dǎo)致評(píng)論分類錯(cuò)誤. 如來自攜程旅行網(wǎng)的評(píng)論:

例1. 白天叫服務(wù)人員來打掃衛(wèi)生, 一直也沒見到人. 就憑這一點(diǎn), 以后再也不會(huì)住該酒店!

2) 情感詞正負(fù)情感傾向歧義. 知網(wǎng)HowNet情感詞典中部分詞語應(yīng)用到酒店評(píng)論中, 其正負(fù)情感傾向不明確. 例“房間大”, “噪音大”中的“大”字在不同的情景中完全表現(xiàn)出相反的情感態(tài)度.

例2. 房間是挺大的, 不過周邊環(huán)境不太好, 靠近馬路, 晚上睡覺的時(shí)候噪音非常大.

4 結(jié)語

本文提出在酒店評(píng)論領(lǐng)域中基于自建情詞典和文本特征的情感傾向性分類算法, 提高了算法在具體領(lǐng)域中情感匹配精確度、情感值計(jì)算的準(zhǔn)確度和情感分類的正確率. 解決了在具體領(lǐng)域中文本情感詞匹配錯(cuò)誤問題, 提供了一種對(duì)網(wǎng)絡(luò)商品評(píng)論情感分析的新思路. 但是, 本研究中仍存在很多缺陷, 如本研究的情感值計(jì)算方法是基于權(quán)值的計(jì)算方法改進(jìn)得來, 情感值計(jì)算方法仍有可提升的空間.

將來的研究會(huì)集中在如何正確匹配情感詞在不同情境下體現(xiàn)出的情感態(tài)度, 提高情感匹配的正確性, 以期進(jìn)一步提高本研究的分類模型準(zhǔn)確度. 本文的研究是以酒店評(píng)論來作為研究數(shù)據(jù), 但其理論上在網(wǎng)絡(luò)商品評(píng)論領(lǐng)域中是通用并且有效的. 所以將來研究會(huì)在本文算法的基礎(chǔ)上, 構(gòu)建多領(lǐng)域、多品類網(wǎng)絡(luò)商品評(píng)論情感分析系統(tǒng).

1 Singh VK, Piryani R, Uddin A, et al. Sentiment analysis of movie reviews: A new feature-based heuristic for aspect-level sentiment classification. 2013 International Multi-Conference on Automation, Computing, Communication, Control and Compressed Sensing (iMac4s). IEEE. 2013. 712–717.

2 Medhat W, Hassan A, Korashy H. Sentiment analysis algorithms and applications: A survey. Ain Shams Engineering Journal, 2014, 5(4): 1093–1113.

3 Turney PD, Littman ML. Measuring praise and criticism: Inference of semantic orientation from association. ACM Trans. on Information Systems, 2003, 21(4): 315–346.

4 Hu M, Liu B. Mining opinion features in customer reviews. Proc. of the 19th National Conference on Artifical Intelligence. AAAI Press. 2004. 755–760.

5 史偉,王洪偉,何紹義.基于語義的中文在線評(píng)論情感分析. 情報(bào)學(xué)報(bào),2013,32(8):860–867.

6 Pang B, Lee L, Vaithyanathan S. Thumbs up? Sentiment classification using machine learning techniques. Proc. of Emnlp. 2002. 79–86.

7 Whitelaw C, Garg N, Argamon S. Using appraisal groups for sentiment analysis. ACM International Conference on Information and Knowledge Management. ACM. 2005. 625– 631.

8 王祖輝,姜維.基于粗糙集的在線評(píng)論情感分析模型.計(jì)算機(jī)工程,2012,38(16):1–4

9 杜嘉忠,徐健,劉穎.網(wǎng)絡(luò)商品評(píng)論的特征–情感詞本體構(gòu)建與情感分析方法研究.現(xiàn)代圖書情報(bào)技術(shù),2014,(5):74–82.

10 張誼生.副詞的篇章連接功能.語言研究,1996,(1):130–140.

11 孫楠.現(xiàn)代漢語轉(zhuǎn)折副詞的反預(yù)期標(biāo)記功能研究[碩士學(xué)位論文].南京:南京師范大學(xué),2012.

12 張昊旻,石博瑩,劉栩宏.基于權(quán)值算法的中文情感分析系統(tǒng)研究與實(shí)現(xiàn).計(jì)算機(jī)應(yīng)用研究,2012,29(12):4571–4573.

Sentiment Analysis Solution Based on Hotel Product Reviews

LI Sheng-Yu, GAO Jun-Bo, XU Li-Li

(College of Infor mation Engineering, Shanghai Maritime University, Shanghai 201306, China)

This paper proposes a hotel reviews sentiment analysis model based on text features. The way of the model includes the building of hotel reviews emotional dictionary and the analyzing of hotel reviews sentence patterns and grammar patterns. By this way, we have solved the problems of incomplete emotional matches and the inaccuracy of emotional values counting. Results of this test show that this model has better classification results especially for hotel reviews sentiment analysis.

sentiment analysis model; special sentiment dictionary; sentence patterns; grammar patterns; hotel reviews

2016-04-14;收到修改稿時(shí)間:2016-05-12

[10.15888/j.cnki.csa.005511]