基于在線比較評(píng)論情感分析的方法探索

楊帆

[摘要]比較評(píng)論是一種比較普遍的評(píng)論形式，借用比較可以得到產(chǎn)品之間的差異性。文章在研究現(xiàn)有情感分析方法的基礎(chǔ)上，對(duì)比較評(píng)論情感分析方法進(jìn)行了探討。其一般過程為：采用簡(jiǎn)單的比較句識(shí)別方式，使用監(jiān)督學(xué)習(xí)構(gòu)建特征詞典，在詞典中增加非特征詞的特征判斷，然后采用情感極性判斷或使用情感詞權(quán)重、程度副詞以及否定詞加權(quán)計(jì)分的方法判斷語(yǔ)句的情感得分，獲取到比較產(chǎn)品之間在特征屬性上的差異。

[關(guān)鍵詞]中文比較評(píng)論;情感分析;中文分詞;評(píng)價(jià)模型

[DOI]10.13939/j.cnki.zgsc.2019.25.185

1引言

隨著網(wǎng)上購(gòu)物的蓬勃發(fā)展，網(wǎng)絡(luò)評(píng)論越來越多，中文文本的情感分析研究也隨之增加。這些評(píng)論對(duì)于產(chǎn)品的評(píng)價(jià)有較高的現(xiàn)實(shí)意義，比起早期的商品購(gòu)物評(píng)分機(jī)制，評(píng)論更加具體，更加多元化，對(duì)于評(píng)論的挖掘是對(duì)評(píng)分機(jī)制的重要補(bǔ)充，甚至有超越和代替評(píng)分的趨勢(shì)。在這些商品購(gòu)買評(píng)論中，比較評(píng)論是指用戶購(gòu)物后發(fā)表的評(píng)論中有關(guān)這一產(chǎn)品與另一產(chǎn)品的對(duì)比信息，這類還有比較句的評(píng)論比起一般評(píng)論，能反映出更多產(chǎn)品之間的差異和優(yōu)劣，有助于分析產(chǎn)品在市場(chǎng)上的競(jìng)爭(zhēng)力，故比較評(píng)論挖掘近來也受到研究者的重視，有不少學(xué)者對(duì)其進(jìn)行情感分析并得到關(guān)于多個(gè)產(chǎn)品在不同屬性上的比較數(shù)據(jù)，為決策者提供參考。

2相關(guān)研究

比較評(píng)論挖掘的研究是從文本挖掘中的關(guān)系抽取技術(shù)演化而來的，關(guān)系抽取是信息抽取的一個(gè)重要分支，是將有關(guān)系的實(shí)體從文本中獲取出來的方法。其具體的手段包括監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)以及遠(yuǎn)程監(jiān)督學(xué)習(xí)。監(jiān)督學(xué)習(xí)人工參與多，而無(wú)監(jiān)督學(xué)習(xí)則無(wú)人工行為，遠(yuǎn)程監(jiān)督是借用遠(yuǎn)程數(shù)據(jù)進(jìn)行人工標(biāo)注的方式。

借助關(guān)系抽取的研究方法，比較評(píng)論情感分析主要從以下幾個(gè)方面開展，包括比較句識(shí)別技術(shù)、比較要素抽取以及比較觀點(diǎn)的情感分析。

2.1比較句識(shí)別技術(shù)

比較句的識(shí)別最開始是英文的識(shí)別研究，Jindal等提出將分類器和CSR相結(jié)合的比較句識(shí)別方法獲得了不錯(cuò)的F值。[1]國(guó)內(nèi)較早的研究是黃小江討論了漢語(yǔ)比較句的范疇、外延和特征，定義了漢語(yǔ)比較句識(shí)別的任務(wù)，并提出用SVM分類器將漢語(yǔ)句子分為“比較”和“非比較”兩類。[2]黃高輝以SVM為分類器，以特征詞和 CSR序列規(guī)則為特征， 同時(shí)利用 CRF算法抽取實(shí)體對(duì)象 ， 并增加以實(shí)體對(duì)象的信息作為特征，顯著提高了比較句識(shí)別的準(zhǔn)確率 、召回率和 F 度量。[3]

比較句的識(shí)別主要是通過識(shí)別算法發(fā)掘文本中的比較語(yǔ)句，由于中文語(yǔ)句的靈活性，其算法比英文的比較句復(fù)雜，也有學(xué)者提出比較簡(jiǎn)單的發(fā)現(xiàn)方式，特別是針對(duì)差比語(yǔ)句的情感分析研究，其識(shí)別方式為只要語(yǔ)句中包含兩個(gè)比較產(chǎn)品以及“比”就識(shí)別為差比語(yǔ)句。文章的研究就是采用這種簡(jiǎn)單有效的方式進(jìn)行識(shí)別。

2.2比較要素的抽取

比較要素是比較句中的特征識(shí)別，即比較點(diǎn)的識(shí)別和抽取，簡(jiǎn)單地說就是這個(gè)比較句是在比較這兩個(gè)對(duì)象的什么特征。對(duì)于細(xì)粒度的屬性級(jí)別的情感研究，特征發(fā)現(xiàn)和抽取也是非常重要的一個(gè)環(huán)節(jié)。

比較要素的抽取目前主要有兩種方法，一種是人工總結(jié)特征詞典，包括收集產(chǎn)品說明書中的產(chǎn)品特征，相關(guān)專家給出的產(chǎn)品特征以及總結(jié)部分測(cè)試文本中的特征，然后根據(jù)特征詞典使用字符串匹配的方法抽取比較句中的比較點(diǎn)信息;另一種是使用特征發(fā)掘，在沒有特征詞典的情況下，使用發(fā)掘算法在測(cè)試數(shù)據(jù)集中發(fā)現(xiàn)總結(jié)特征詞，動(dòng)態(tài)形成特征詞典，然后在使用字符串匹配等方式抽取比較點(diǎn)。[4-5]

2.3比較觀點(diǎn)的情感分析

比較觀點(diǎn)的情感分析是比較評(píng)論挖掘的第三個(gè)研究方向，這個(gè)主要是借用一般語(yǔ)句的情感分析方法對(duì)比較語(yǔ)句做情感分析。常用的情感分析主要是使用情感詞典，并結(jié)合考慮程度副詞以及否定詞，然后判斷出該句的情感傾向。目前有兩種情感計(jì)分方法，一種是只判斷情感極性，正面情感為+1，負(fù)面情感為-1;另一種是在判斷極性的基礎(chǔ)上，還要根據(jù)程度副詞判斷好壞程度，有的還會(huì)根據(jù)情感詞本身的情感強(qiáng)烈程度給出權(quán)重后再結(jié)合程度副詞進(jìn)行判斷。[6]

3模型實(shí)現(xiàn)方式

3.1實(shí)現(xiàn)工具

（1）Python語(yǔ)言與爬蟲技術(shù)。Python語(yǔ)言是一種簡(jiǎn)單而又強(qiáng)大的高級(jí)編程語(yǔ)言，有非常豐富的數(shù)據(jù)結(jié)構(gòu)，靈活的程序處理方式，以及大量的支持該語(yǔ)言的第三方函數(shù)庫(kù)，在爬蟲和大數(shù)據(jù)處理方面有非常明顯的編程優(yōu)勢(shì)。[7]

（2）分詞。現(xiàn)存的幾大分詞工具有：結(jié)巴中文分詞、中科院分詞、Smallseg以及Yaha分詞等，其效果存在細(xì)微的差異，大致上的分詞結(jié)果相仿。文章采用基于python的結(jié)巴中文分詞技術(shù)，對(duì)抽取出的比較評(píng)語(yǔ)進(jìn)行分詞。

分詞的好壞主要影響情感分值的計(jì)算，對(duì)于特征抽取的影響較少。為了減少由于分詞不當(dāng)而導(dǎo)致的詞語(yǔ)計(jì)分錯(cuò)誤，多采用人工的方式對(duì)情感詞典進(jìn)行修正。

（3）詞典。詞典的優(yōu)劣直接決定了模型的有效性，一般在現(xiàn)存的一些詞典（知網(wǎng)情感詞典、臺(tái)灣大學(xué)NTUSD、清華大學(xué)李軍的褒貶義詞典等）基礎(chǔ)上，結(jié)合所訓(xùn)練的文本材料自身的行業(yè)特點(diǎn)，設(shè)計(jì)特定語(yǔ)境的情感詞典。另外，為了抽取特征，獲得比較對(duì)以及計(jì)算情感權(quán)重，還需要設(shè)計(jì)產(chǎn)品名稱詞典、特征詞典、特征分類詞典、否定詞典、程度副詞詞典以及同義詞典。其中程度副詞詞典分為前綴詞典和后綴詞典。

部分詞典情況如表1所示。

3.2實(shí)現(xiàn)步驟

按照比較評(píng)論情感分析的具體需要，文章設(shè)計(jì)了一種基于在線比較評(píng)論情感分析步驟，如圖1所示。從網(wǎng)絡(luò)評(píng)語(yǔ)到統(tǒng)計(jì)分析，共包括了5大處理過程：網(wǎng)絡(luò)評(píng)語(yǔ)的爬取、數(shù)據(jù)的預(yù)處理與比較句的識(shí)別、自動(dòng)分詞、訓(xùn)練情感詞典、計(jì)算情感得分、統(tǒng)計(jì)分析。

4結(jié)論

文章在現(xiàn)有研究的基礎(chǔ)上，提出了一種在線比較評(píng)論情感分析方法的解決思路，能很好地對(duì)產(chǎn)品做成評(píng)價(jià)，進(jìn)行數(shù)據(jù)試驗(yàn)后，其評(píng)價(jià)的結(jié)果與官方給出的排名結(jié)果基本一致。而此方法不僅能對(duì)產(chǎn)品的綜合情況進(jìn)行分析，還可以針對(duì)產(chǎn)品某一具體特征的情況給出評(píng)價(jià)值，為決策提供更加精細(xì)的分析數(shù)據(jù)。主要的研究不足為模型的智能化程度還不夠，分值計(jì)算為線性方式也會(huì)損失精度，后續(xù)研究可進(jìn)一步完善。

參考文獻(xiàn)：

[1]?NITIN JINDAL，BING LIU.?Identifying comparative sentences in text documents[C].Washington：In Proceedings of SIGIR，2006：244-251.

[2]黃小江，萬(wàn)小軍，楊建武.漢語(yǔ)比較句識(shí)別研究[J].中文信息學(xué)報(bào)，2008， 22 （5）：30-37.

[3]黃高輝，姚天防，劉全升.CRF算法的漢語(yǔ)比較句識(shí)別和關(guān)系抽取[J].計(jì)算機(jī)應(yīng)用研究，2010， 27（6）： 61-64.

[4]王鳳霞.比較句識(shí)別及觀點(diǎn)要素抽取方法研究[D].太原：山西大學(xué)，2013.

[5]周紅照，侯明午，侯敏，等.基于語(yǔ)義分類的比較句識(shí)別與比較要素抽取研究[J].中文信息學(xué)報(bào)，2014，28（3）：136-141，149.

[6]?吳晨，韋向峰 .?用戶評(píng)價(jià)中比較句的識(shí)別和傾向性分析[J].計(jì)算機(jī)科學(xué)，2016，43（6A）：435-439.

[7]黃紅梅，張良均.?Python數(shù)據(jù)分析與應(yīng)用[M].北京：人民郵電出版社，2017.