荊禮楠　曹永紅

摘 要：語料庫標(biāo)注是發(fā)現(xiàn)語料庫潛在價(jià)值的重要方法。本文回顧已有語料庫標(biāo)注，總結(jié)分析語料庫標(biāo)注的作用及標(biāo)準(zhǔn)化趨勢(shì)，綜述國內(nèi)外重要情感標(biāo)注資源，針對(duì)情感標(biāo)注過程中的主要問題，提出初步解決方案，以便更好地開展面向自然語言處理的情感標(biāo)注研究。

關(guān)鍵詞：自然語言處理 標(biāo)注 情感標(biāo)注 情感分析

一、引言

自然語言處理是計(jì)算機(jī)科學(xué)及語言學(xué)關(guān)注計(jì)算機(jī)和人類語言間相互作用的領(lǐng)域。馮志偉（2006）[1]指出“隨著語料庫語言學(xué)崛起，大規(guī)模真實(shí)文本處理成為自然語言處理的主要目標(biāo)。自然語言處理越來越多地使用機(jī)器自動(dòng)學(xué)習(xí)獲取語言知識(shí)?！?/p>

實(shí)現(xiàn)自然文本機(jī)器可讀關(guān)鍵在于標(biāo)注。隨著機(jī)器學(xué)習(xí)廣泛應(yīng)用，標(biāo)注的重要性日益顯現(xiàn)。本文結(jié)合國內(nèi)外研究成果，總結(jié)情感標(biāo)注研究概況，針對(duì)問題提出初步解決方案，便于今后面向自然語言處理的情感標(biāo)注研究的開展。

二、標(biāo)注概述

盡管學(xué)界對(duì)“標(biāo)注”的定義不盡相同，但大都反映了語料標(biāo)注實(shí)質(zhì)——語言符號(hào)的轉(zhuǎn)換（邢富坤，2015 [ 2 ] ）。

（一）作用

標(biāo)注價(jià)值主要體現(xiàn)在：

1.語言學(xué)研究

通過統(tǒng)計(jì)分析大規(guī)模語料，可發(fā)現(xiàn)僅靠少數(shù)例子無法發(fā)現(xiàn)的語言現(xiàn)象，使語言知識(shí)顯性化，輔助語言規(guī)律研究，從而推動(dòng)語言學(xué)深入研究。

2.自然語言處理

標(biāo)注使語言實(shí)現(xiàn)計(jì)算機(jī)可讀，推動(dòng)建立大型語料庫，促進(jìn)開發(fā)基于語料庫的應(yīng)用系統(tǒng)，推動(dòng)信息檢索、機(jī)器翻譯及情感分析等新興領(lǐng)域發(fā)展。此外，機(jī)器學(xué)習(xí)方法應(yīng)用廣泛，標(biāo)注語料庫可用來訓(xùn)練檢測(cè)及改進(jìn)機(jī)器學(xué)習(xí)算法，經(jīng)改進(jìn)的算法可推動(dòng)建立大型優(yōu)質(zhì)語料庫，節(jié)省人力物力，極大推動(dòng)自然語言處理發(fā)展。

（二）標(biāo)注模式標(biāo)準(zhǔn)化

自語料庫語言學(xué)誕生以來，標(biāo)注模式多種多樣（見表一）。有些逐漸淘汰，如COCOA，有些則成為主流。ISO/TC37/SC4負(fù)責(zé)建設(shè)管理語言資源的國際標(biāo)準(zhǔn)。LAF是其工作核心，是協(xié)調(diào)現(xiàn)有語言資源及開發(fā)新資源的基礎(chǔ)。

三、情感標(biāo)注及研究概況

目前語料庫正處于以互聯(lián)網(wǎng)為語料的第四個(gè)發(fā)展階段。隨著Web2.0興起，尤其微博、論壇、社交及購物網(wǎng)站等崛起，用戶自由表達(dá)觀點(diǎn)情感。因此，海量主觀文本迅速涌現(xiàn)，其中蘊(yùn)含豐富情感。為方便信息查找，情感分析應(yīng)運(yùn)而生?；谡Z料庫的統(tǒng)計(jì)學(xué)習(xí)是情感分析的常用方法。因此，為實(shí)現(xiàn)自動(dòng)情感分析，需要情感標(biāo)注，構(gòu)建大型語料庫作為數(shù)據(jù)支撐。情感分析結(jié)果很大程度取決于情感語料庫的規(guī)模與質(zhì)量。

目前國外情感標(biāo)注資源相對(duì)豐富，而國內(nèi)研究剛剛起步，資源匱乏。情感標(biāo)注資源主要包括：博客；新聞；書評(píng)；影評(píng)；產(chǎn)品評(píng)論；文學(xué)作品（見表二）。

情感標(biāo)注大致可劃分為四類：

（1）主客觀分類（Wiebe， 2005[3]； Aman & Szpakowicz， 2007[4]）

（2）情感極性分類：正面/負(fù)面（/中性）（Pang， 2002[5]）

（3）情感分類（按范疇、維度或語言學(xué)理論分類）（Michal Ptaszynski， 2014[6]； 張冬瑜等， 2015[7]）

（4）細(xì)致觀點(diǎn)劃分：實(shí)體；情感；觀點(diǎn)持有者等（Liu， 2012[8]）

不難發(fā)現(xiàn)：為滿足應(yīng)用，情感標(biāo)注趨于細(xì)粒度化。

四、問題及解決方案

情感標(biāo)注主要存在以下問題：

（一）情感分類

情感分類是情感分析領(lǐng)域的核心問題，旨在解決情感極性自動(dòng)判斷問題（陳龍，2017[9]）。對(duì)情感標(biāo)注而言，情感分類一定程度上決定標(biāo)注體系，影響標(biāo)注質(zhì)量和應(yīng)用（Ide & Romary， 2004[10]）。周明（1994[11]）認(rèn)為“若類別劃分過粗， 則難以全面描述復(fù)雜現(xiàn)象；若類別劃分過細(xì)，則增加標(biāo)注難度、降低標(biāo)注效率， 細(xì)微差別導(dǎo)致結(jié)果差異巨大。

如何選擇合適情感分類，是語料庫領(lǐng)域亟待解決的重點(diǎn)問題之一。此外，不同領(lǐng)域包含不同情感，同一詞匯在不同領(lǐng)域可能表達(dá)不同情感含義。

（二）標(biāo)注標(biāo)準(zhǔn)

缺乏統(tǒng)一建設(shè)標(biāo)準(zhǔn)，尤其是標(biāo)注標(biāo)準(zhǔn)，導(dǎo)致語料庫建設(shè)各自為政，阻礙資源共享。標(biāo)注隨意性體現(xiàn)在：

（1）標(biāo)注模式：COCOA / TEI / CES

（2）標(biāo)記語言：SGML / XML / 自定義置標(biāo)語言

（3）標(biāo)簽集：同一標(biāo)簽在不同語料庫中有不同含義

（4）標(biāo)注形式：分離式標(biāo)注/ 內(nèi)嵌式標(biāo)注

針對(duì)以上問題，可從兩方面改善：

（三）黃金標(biāo)準(zhǔn)情感語料庫

黃金標(biāo)準(zhǔn)語料庫可為語料庫建設(shè)提供借鑒標(biāo)準(zhǔn)，提高互用性；也可用來訓(xùn)練改進(jìn)機(jī)器學(xué)習(xí)算法，使機(jī)器實(shí)現(xiàn)自動(dòng)學(xué)習(xí)，推動(dòng)構(gòu)建規(guī)模更大，質(zhì)量更高的情感語料庫，為相關(guān)自然語言處理及語言研究提供充足語料。

（四）情感詞匯表

不同領(lǐng)域包含不同情感，需要專門情感分類體系。此外，同一詞匯在不同領(lǐng)域可表達(dá)不同情感。因此，今后研究應(yīng)嘗試建立專門領(lǐng)域情感分類體系。

當(dāng)前語料庫建設(shè)趨向小型化、專門化，亟須建立合理完善的專門領(lǐng)域情感詞匯表，以滿足語料庫建設(shè)需求。

五、總結(jié)與展望

目前情感標(biāo)注工程在國內(nèi)外如火如荼地開展。然而情感分類混亂，標(biāo)注標(biāo)準(zhǔn)缺乏，導(dǎo)致情感語料庫建設(shè)各自為政，阻礙資源共享。亟需創(chuàng)建黃金標(biāo)準(zhǔn)情感語料庫及合理完善的專門領(lǐng)域情感詞匯表，以滿足語料庫建設(shè)需求，從而更好地開展面向自然語言處理的情感標(biāo)注研究。

參考文獻(xiàn)

[1] 馮志偉.當(dāng)前自然語言處理發(fā)展的幾個(gè)特點(diǎn)[J].暨南大學(xué)華文學(xué)院學(xué)報(bào)，2006（1）：34-40.

[2] 邢富坤.面向語言處理的語料庫標(biāo)注：回顧與反思[J].解放軍外國語學(xué)院學(xué)報(bào)， 2015，38（3）：8-13.endprint

[3] Wiebe，J & Wilson，T.& Cardie，C.Annotating expressions of opinions and emotions in language[J].Language Resource and Evaluation，2005，39（2-3）：164-210.

[4] Aman，S.& Szpakowicz，S.Identifying expressions of emotion in text[C].In：Proceedings of the 10th International Conference on Text，Speech，and Dialogue（TSD-2007），Lecture Notes in Computer Science，Springer-Verlag.

[5] Pang B.& Lee，L.Cornell movie-review corpus[DB/OL].http：//www.cs.Cornell.edu/People/pabo/movie-review-data，

2002.

[6] Michal Ptaszynski et al.Automatically annotating a five-billion-word corpus of Japaneseblogs for sentiment and affect analysis[J].Computer Speech and Language，2014，28：38-55.

[7] 張冬瑜.林鴻飛等.情感隱喻語料庫構(gòu)建與應(yīng)用[J].中國科學(xué)：信息科學(xué)，2015，45（12）：1574-1587.

[8] Bing Liu.Sentiment analysis and opinion mining[M].San Francisco：Morgan Claypool Publishers，2012：12.

[9] 陳龍.管子玉.何金紅.彭進(jìn)業(yè).情感分類研究進(jìn)展[J].計(jì)算機(jī)研究與發(fā)展，2017，54（6）：1150-1170.

[10] Ide，N.& L，Romary.International standard for a linguistic annotation framework[J].Journal of Natural Language Engineering，2004，10（3）：211-225.

[11] 周明.黃昌寧.面向語料庫標(biāo)注的漢語依存體系的探討[J].中文信息學(xué)報(bào)， 1994，8（3）：35-52.endprint