基于Fast Unfolding 算法的情感詞典擴展方法研究*

陳 力 黃樹成

（江蘇科技大學計算機學院 鎮江 212003）

1 引言

伴隨著互聯網體量的快速擴張，互聯網技術也在飛速發展，在給人們的生活帶來便利的同時，也改變著人們的生活習慣。越來越多的人會在社交平臺上，針對某一事件發表自己的態度和看法，或者在網絡購物平臺上分享自己對某個產品或者服務的使用體驗。這些網絡評論里蘊含著網民的觀點、態度、情感信息等。分析其中隱含的信息，挖掘出評論者的情感傾向［1］，可以為政府了解民眾對于某一政策的滿意程度提供數據支撐，為消費者是否產生購買行為提供信息參考，還能對企業改進產品或者服務起到指導作用。

由于網絡發展迅速，當前的語言文化日新月異，出現了很多新興詞匯，并且隨著網絡文化的不斷發展，還會不斷產生更多新事物。傳統情感詞典中包含了大量常用詞語，具有一定的普適性。但是對于近年來網絡上出現的新詞匯，情感詞典中都沒有涉及，因此想要使用情感詞典的方法進行情感傾向的判別，還需要在傳統詞典的基礎上進行擴展。

為了提升情感詞典的擴展效果。本文將SO-PMI 和Fast Unfolding 算法結合，提出FU-PMI算法。1）使用TF-IDF 改進傳統SO-PMI 選取種子詞的方法。2）結合PMI 和FU 算法的特點，提出FU-PMI 算法。 3）分別使用SO-PMI 算法和FU-PMI 算法擴展的詞典進行情感傾向性分析，比較他們的效果。經實驗結果證明，相較于傳統的SO-PMI 算法，本文提出的算法可以有效地提高情感詞典的擴展效果。

2 相關工作

基于情感詞典方法是將構建好的情感詞典作為判別工具，通過對原始語料的處理（分詞、去停用詞等）后得到的數據在情感詞典中遍歷，根據設定的規則給予不同詞語單獨的權重，最后計算出它們的得分，最后根據得分對它們進行分類?！?br>