WEB文本情感傾向性分析研究綜述

文本情感分類是分析和處理帶有情感色彩的主觀性文本，歸納總結(jié)并推理出主觀文本的情感傾向性。文本情感分類的主要目的是能讓計算機(jī)自動識別主觀性文本的情感傾向性及其強(qiáng)度，因此引申出了它的研究點(diǎn)[1]：文本的主客觀分類；文本的情感傾向性分析；文本的情感強(qiáng)度分類。前者容易理解,就是內(nèi)容描述的主客觀性分類,而后兩者則為褒貶性傾向與情感表述強(qiáng)弱程度的分類判別。文本情感傾向性分析實(shí)質(zhì)上是將文本分為積極、否定或者中性情感，通過分析、分類和歸納大量主觀性文本的情感傾向，提取出人們對事物的總體看法。

本文就是針對以往的文本情感分類工作，考慮國內(nèi)外最新進(jìn)展,對文本主客觀分類和傾向性分析研究現(xiàn)狀進(jìn)行概括和展望。

1 主客觀性文本分析

通常的文本中，存在大量的客觀性文本和主觀性文本。客觀性文本是一種對個人、事物或事件不帶有感情色彩的一種客觀性描述；主觀性文本主要描述人、群體或者組織對事物、人物、事件等的想法或看法。主觀性文本是文本情感傾向分析的主要對象，因此，對文本事先進(jìn)行主客觀文本識別非常重要，能夠有效地縮小分析范圍，提高分析速度和精確度。

在主觀句識別中，較簡單的方法是通過對各種形容詞的分析、識別，來判斷句子的主客觀性，這可以看作識別主觀性句子最基本的思路，但往往還不夠。對于主客觀句子識別，比較常用的辦法就是結(jié)合詞性標(biāo)注，利用貝葉斯分類器進(jìn)行分

類，除此類方法外，有人提出了基于半監(jiān)督自訓(xùn)練的句子主觀性分類，嘗試決策樹模型作為選擇度量方法，并結(jié)合樸素貝葉斯分類器，在 MPQA 語料庫中進(jìn)行試驗(yàn)，取得了不錯的效果。

姚天昉等人從一些特殊的特征角度考察了主客觀文本，如標(biāo)點(diǎn)符號、人稱代詞、數(shù)字等，從而總結(jié)出七條主觀線索。文獻(xiàn)[2]在此基礎(chǔ)上分別采用主觀線索和主觀模式的方法來提取主觀句子，最后又將兩種方法相結(jié)合來提取主觀句子。并針對相同測試語料進(jìn)行對比，結(jié)果表明，主觀線索與主觀模式相結(jié)合的方法是合理有效的。[3]通過分析微博文本的表述特點(diǎn)，提取一些主客觀線索特征，以特征詞和主客觀線索做語義特征，2-POS模式為語法特征，采用樸素貝葉斯練的分類器分別研究它們對分類結(jié)果的影響。實(shí)驗(yàn)結(jié)果表明，特征選取上，同時考慮語義特征和語法結(jié)構(gòu)特征的分類效果比僅考慮一種特征時要好。

總之，主觀性文本識別主要以情感詞為主，利用各種文本特征表示方法和分類器進(jìn)行分類識別，該方法關(guān)鍵在于分類器和特征的選取。

2 文本情感傾向性分析方法

文本情感傾向性分析，就是對說話人的態(tài)度(或稱觀點(diǎn)、情感、語氣)進(jìn)行分析，也就是對文本中的主觀性信息進(jìn)行分析。文本情感傾向分析的研究大致可以分成四個級別:詞語級、短語級、句子級、篇章級。下面就對其各部分進(jìn)行總結(jié)。

2.1 詞語情感傾向性分析

詞語級感分析的研究對象主要是帶有情感色彩的詞語，以動詞、副詞和形容詞為主。其中，除部分詞語的褒貶性可以通過查詞典的方式得到之外，其余詞語的傾向性都無法直接獲得。目前主要有以下幾種方法：

1. 基于情感詞典的方法。這種方法的主要思想是：選定                          一組己知極性的詞語并將其作為種子集合，對于一個情感傾向未知的新詞，找到與該詞語義相近、并且在種子集合中出現(xiàn)的若干個詞，根據(jù)這幾個種子詞的極性，對未知詞的情感傾向進(jìn)行推斷。這種方法對種子詞數(shù)量的依賴比較明顯。L. Bing在前人研究的基礎(chǔ)上,人工構(gòu)建一個包括30個形容詞的集合,再利用WordNet中形容詞的同義和反義集合來預(yù)測集合中形容詞的情感傾向，準(zhǔn)確率高達(dá)84%。[4]提出了基于馬爾科夫隨機(jī)游走模型的情感詞分析方法。該方法也是先建立一個種子集合，然后通過語義相似構(gòu)建候選詞和種子詞網(wǎng)絡(luò)，最后通過馬爾科夫隨機(jī)游走模型判斷候選詞的情感極性，此方法適用于那些半監(jiān)督或無監(jiān)督的訓(xùn)練集，與前面方法相比此方法不需要太多種子詞并且能迅速判斷情感。

2. 無監(jiān)督機(jī)器學(xué)習(xí)方法。這種方法與第一種方法類似,也是假設(shè)己經(jīng)有一些已知極性的詞語作為種子詞,不同的是,第一種方法是以詞典信息為依據(jù)判斷,而這種方法是根據(jù)詞語在語料庫中的共現(xiàn)情況判斷其聯(lián)系緊密程度。基于此思想，采用逐點(diǎn)分析方法SO-PMI，其理論假設(shè)是根據(jù)自然語言文本里的一個現(xiàn)象：語義傾向性越相似的兩個詞，在同一篇文檔中共現(xiàn)的概率越大。由于該假設(shè)是基于英文之上，不能直接用于中文的情感計算，文獻(xiàn)[5]在對中文文本特點(diǎn)分析的基礎(chǔ)上，結(jié)合語義和數(shù)據(jù)挖掘的相關(guān)理論，對逐點(diǎn)分析方法SO-PMI進(jìn)行了改進(jìn)，提出了一種新型的情感傾向計算模型，判別準(zhǔn)確率可達(dá)80%以上。

3. 基于語料庫的學(xué)習(xí)方法。該方法首先對情感傾向分析語料庫進(jìn)行手工標(biāo)注。在這些標(biāo)注語料的基礎(chǔ)上,利用詞與詞的統(tǒng)計特征、共現(xiàn)關(guān)系、搭配關(guān)系或者語義關(guān)系, 判斷詞語的情感傾向性。這類方法的優(yōu)點(diǎn)是能簡單明了的分析情感，缺陷是需要大量的人工標(biāo)注，人工干涉語料因素很大。

4. 利用詞語之間的關(guān)聯(lián)詞及依存關(guān)系。關(guān)聯(lián)詞可分為3種類型:遞進(jìn)、并列和轉(zhuǎn)折，利用關(guān)聯(lián)詞判斷其前后詞的情感傾向。A. Gammerma借助于DeParser對句子進(jìn)行句法分析,得到詞與詞之間的依存關(guān)系及候選詞的否定詞和強(qiáng)調(diào)詞,以此來修正候選詞的原極性。

2.2 短語情感傾向性分析

短語情感傾向性分析是建立在詞語情感傾向性分析基礎(chǔ)上的，短語是詞和詞按照一定方式組合起來的語言單位，它的意義不僅包括內(nèi)部各詞的語義，還有各詞之間的組合方式，因此根據(jù)短語內(nèi)部各詞的語義和詞之間的結(jié)構(gòu)信息來確定短語的傾向性。

在文本情感分類領(lǐng)域，最早使用短語模式的是Turney，他使用PMI-IR的方法計算待分析的短語與兩個類別的基準(zhǔn)詞的相似度來計算短語的傾向性。在選擇短語模式時，H. Takamura建立潛在變量模型對“名詞+形容詞”模式的短語進(jìn)行傾向分類，同時說明短語的情感不是對詞的情感的簡單累計，該模型對短語的分類準(zhǔn)確率達(dá)82%。而[6]從語法及語義的角度對詞語的動態(tài)詞匯層面進(jìn)行分析，從而確定短語模式，同時在研究文本情感時，提出了基于短語模式的文本情感傾向識別算法，實(shí)現(xiàn)文本的情感分類。在特征提取上，C. Whitelaw 等從文本中提取諸如"very good"和"not terrible funny"之類的形容詞和修飾短語的特征評價組，并對其進(jìn)行分析獲取其傾向性。而Faye Baron和 Graeme Hirst將抽取與傾向性比較強(qiáng)的詞匯的搭配作為傾向性分析的特征，以提高文本情感分類的效率。

此外，文獻(xiàn)[7]采用“情感傾向定義”權(quán)重優(yōu)先的計算方法獲得短語中各詞的語義傾向度，然后分析短語中各詞組合方式的特點(diǎn)，提出中心詞概念對各詞的傾向性進(jìn)行計算并識別短語的傾向性，這種方法對短語的情感傾向識別效果較好。

2.3 句子情感傾向性分析

句子情感傾向性分析的對象是上下文中的語句，主要任務(wù)就是對語句中的主觀信息進(jìn)行分析和提取,得到與情感傾向性相關(guān)的要素，并利用這些要素進(jìn)行傾向性分析，本文第二部分已經(jīng)介紹過主客觀句分類的相關(guān)方法。

基于無監(jiān)督的句子級情感分析，主要通過詞匯之間的極性確定句子情感極性，其基本思想：利用同義詞-反義詞關(guān)系，得到情感詞匯及其情感傾向，然后由句子中占優(yōu)勢的情感詞匯的情感傾向決定該句子的極性。在該思想基礎(chǔ)上，文獻(xiàn)[8]提出了一種基于漢語情感詞詞表的加權(quán)線性組合的句子情感分類方法。該方法通過已有的五種資源構(gòu)建了中文情感詞詞表，并采用加權(quán)線性組合的句子情感分類方法對句子進(jìn)行情感類別判斷。同樣，文獻(xiàn)[9]提出了一種基于情感詞語義加權(quán)的句子情感傾向性分析方法，該方法采用遺傳學(xué)基因的思想。首先確定情感詞的靜態(tài)顯性，界定情感詞的轄域，然后構(gòu)建情感詞分析器，在情感詞轄域內(nèi)針對可以影響情感詞情感傾向性的各種類型的因素進(jìn)行分析，得出最終的情感詞情感傾向，進(jìn)而采用相應(yīng)句式的分析方法得出整個句子的情感傾向性。

基于有監(jiān)督的句子級情感分析，首先提取候選句子的情感特征，其包括情感詞、詞序列和句型等，然后訓(xùn)練情感句分類模型，最后預(yù)測候選句的極性。Wang等選取形容詞和副詞作為特征，提出了基于啟發(fā)式規(guī)則與貝葉斯分類技術(shù)相融合的分析句子情感傾向性方法，大大提高了分類效果。Kim在n-grams模型的基礎(chǔ)上引入位置和評價詞兩個重要特征進(jìn)行句子級別的情感傾向性分析。D. Davidov等以詞、語言模型、標(biāo)點(diǎn)符號和固定搭配為情感特征，采用K最鄰近法分析句子的情感極性，但這也造成了句子情感特征稀疏嚴(yán)重的問題。學(xué)者們通過對有監(jiān)督學(xué)習(xí)方法的研究發(fā)現(xiàn)：關(guān)鍵特征、特征選取、特征融合選擇的好壞，是決定其分類效果的關(guān)鍵因素。

對于分類方法選擇上，文獻(xiàn)[10]將基于規(guī)則的情感分類方法、有監(jiān)督的分類方法和機(jī)器學(xué)習(xí)的分類方法結(jié)合起來，產(chǎn)生一種新的混合型分類方法，實(shí)驗(yàn)結(jié)果顯示，該方法比單一分類方法能夠提高分類效率。D. J Rodríguez提出了一種新的半監(jiān)督多維情感分類器，這種方法與原先NB和SVM方法不J同之處在于能將不同的目標(biāo)變量聯(lián)接到相同的分類工作中，以便利用它們之間的潛在的統(tǒng)計關(guān)系，而NB和SVM僅是一維分類器只能預(yù)測單目標(biāo)變量。此外，為了能在上下文中利用大量無標(biāo)記的信息，他們將多維分類框架模型應(yīng)用到半監(jiān)督領(lǐng)域，實(shí)驗(yàn)結(jié)果表明半監(jiān)督多維分類方法勝過一般的分類方法，并且還能提高識別率。

2.4 篇章情感傾向性分析

篇章情感傾向性分析是對文檔中關(guān)于某一主題的觀點(diǎn)、看法進(jìn)行情感傾向性判斷。目前，基于傳統(tǒng)機(jī)器學(xué)習(xí)算法的篇章情感傾向性分析研究是當(dāng)前文本挖掘領(lǐng)域中的一個研究熱點(diǎn)。

基于無監(jiān)督的篇章級情感分析與句子級情感分析相似，都是根據(jù)詞匯之間的極性確定情感極性。例如M. Taboada等提出基于詞典的篇章情感分析模型，即情感極性計算器。該模型使用標(biāo)注了情感極性的詞典，并且結(jié)合副詞和否定詞分析詞匯的情感極性。A. L Maas等提出將詞匯之間語義相似信息同詞匯情感信息相結(jié)合的方法，利用連續(xù)的和多維的情感信息分析篇章情感。

基于有監(jiān)督的篇章級情感分析模型，在特征選擇和提取方面，A. Abbasi等首先利用信息增益抽取部分特征組成特征集合，然后利用遺傳算法從該特征集合中選取最有用的特征，最后訓(xùn)練SVM模型并預(yù)測篇章情感傾向。同時，A. Abbasi等還針對整合n元特征時噪聲、不相關(guān)和冗余屬性的問題，提出基于規(guī)則的多變量特征選擇模型，即特征關(guān)系網(wǎng)絡(luò)。該模型考慮了語義信息并且利用了n元特征之間的語法關(guān)系，可以整合異構(gòu)的n元特征來提高情感分類精度。

C. Lin主要專注于一般領(lǐng)域的文檔級的情感分類，利用基于弱監(jiān)督的JST模型將主題詞檢測和情感主題詞分析方法聯(lián)系在一起。該模型是對狄利克雷模型（LDA）的一種擴(kuò)展，原先的LDA框架是三層結(jié)構(gòu)，文檔與主題相關(guān)，主題與詞相關(guān)；而在JST中其在文檔和主題之間構(gòu)建一個額外的情緒層，就是將情感標(biāo)注與文檔相結(jié)合，主題與情感標(biāo)注相結(jié)合，詞與情感標(biāo)注和主題同時相結(jié)合。針對領(lǐng)域適應(yīng)問題上，吳瓊等提出一個算法,其將文本的情感傾向性與圖排序算法結(jié)合起來進(jìn)行跨領(lǐng)域傾向性分析,該算法在圖排序算法基礎(chǔ)上,利用訓(xùn)練域文本的準(zhǔn)確標(biāo)簽與測試域文本的偽標(biāo)簽來迭代進(jìn)行傾向性分析。S. M Usha 認(rèn)為情感分析的目標(biāo)就是要確定文本具有的情感，大部分情況下，分類器能對單一領(lǐng)域進(jìn)行訓(xùn)練而對多領(lǐng)域的訓(xùn)練性能卻不好，對情感和主題檢測的現(xiàn)有方法也存在這樣的問題，情感是隨著主題而變化的。他們提出一種CST模型來同時檢測文本的情感和主題，這種模型是基于Gibbs樣本采樣算法，不像有監(jiān)督的情感分類模型，在某一領(lǐng)域的情感分類效果好而轉(zhuǎn)換到其他領(lǐng)域進(jìn)行分類時，分類效果并不理想。CST模型具有很好移植性，CST模型與半監(jiān)督分類器相比具有更好的分類性能。

3 總結(jié)

本文從詞語級別的特征，到短語級特征，到句子級的特征，再到文本篇章級別的特征，介紹了近年來在文本情感傾向分析中人們提出了不同的方法，這些方法思想上有些是彼此相聯(lián)的。但在這些方法中，還沒有哪一種能夠完美地解決文本情感傾向識別這一問題。所以今后還應(yīng)進(jìn)一步深入研究具體問題，將問題細(xì)化、具體化，繼續(xù)尋找更有針對性、更簡捷方便的識別方法。我認(rèn)為在如下幾個方面值得考慮：

上下文對文本情感傾向性分析的影響。相同的詞語、句子處于不同的語境下會有不同的傾向性極性，針對此要深入分析上下文，研究語法、句法等相關(guān)作用。

語義理解。文本情感傾向性分析本質(zhì)上也屬于自然語言處理的范疇，需要對文本內(nèi)容進(jìn)行深入理解，如何引入更多的語言知識和認(rèn)知知識也是值得考慮的方向。

多領(lǐng)域文本情感傾向性分析。在特征分析及分類器的使用上，如何使單一領(lǐng)域的分類方法能在其它領(lǐng)域使用上有相同的效果，這也是值得研究的。