基于互联网的情感词库扩展与优化研究

论文摘要

随着网络科技的发展,互联网已经成为一种重要的咨询工具,但是面对海量的互联网数据,如何快速准确的挖掘观点数据成为一种挑战,而观点数据对于政府、企业和个人均具有非常重要的价值。正是这样的挑战与需求推动了情感分析的研究与发展。情感分析分为词汇级、句子级和篇章级的情感分析,其中词汇级别的情感分析是重要基础,本文以词汇级别的情感分析作为研究重点,基于网络背景研究情感词库的扩展和优化。首先,在通用情感词抽取方面本文提出了基于网络语料的词汇情感分类的方法,将情感词的抽取转化为词汇的情感分类问题,通过分析情感词特征,利用最大熵分类器对情感词分类,定义正、负、客观三种情感类别；利用搜索引擎检索获取词汇无标注语料,从大量的语料中抽取丰富的词汇特征；通过实验选择词汇情感分类的最佳特征组合。实验表明,选择前后词作为特征对分类最有效,该特征选择方式实质上包括了修饰和搭配两种语言现象,在最佳特征组合下的情感分类性能达到了95.9%的正确率。其次,在领域情感词扩展和优化方面,分别研究了情感词搭配抽取和倾向性词串抽取两部分内容。在情感词搭配抽取部分,本文提出了互信息框架和模板框架两种抽取框架,包括三种抽取方法,分别是基于互信息的搭配抽取、基于字符串模板的搭配抽取和基于句法树模板的搭配抽取,实验表明在较小规模的语料中,基于模板框架的情感词搭配抽取方法更加有效。最后是倾向性词串的抽取。在目前的研究中,情感表达的基本元素通常是单词,但在研究网络产品评价情感倾向性分析中,发现部分评价句中的评价表达基本元素是一个词串,所以本文将倾向性词串抽取作为研究的重点内容之一。本文采用句法子树生成词串,然后利用C-value值对候选词串进行粒度筛选,并提出了基于句子内部情感元素互斥假设的排斥过滤法,利用该方法提纯倾向性词串,最后通过基于网络标注语料和搜索引擎检索两种方式判断词串的倾向性。并通过实验分析了各方法的有效性和优缺点。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景
• 1.2 情感分析研究背景
• 1.3 情感本体研究背景
• 1.4 本课题的提出
• 1.5 章节安排
• 第2章 情感词库定义
• 2.1 情感分类
• 2.2 HowNet情感词库介绍
• 2.3 WordNet情感词库介绍
• 2.4 本文情感词库定义
• 2.5 情感词库构建
• 2.6 本章小结
• 第3章 通用情感词自动获取
• 3.1 基于网络语料的词汇情感分类
• 3.2 情感词汇特征分析
• 3.2.1 词性特征
• 3.2.2 修饰特征
• 3.2.3 搭配特征
• 3.2.4 句型特征
• 3.2.5 词汇特征
• 3.3 特征选取
• 3.4 基于搜集引擎的语料构建
• 3.5 基于最大熵的情感词自动获取
• 3.5.1 最大熵模型介绍
• 3.5.2 最大熵模型向量表示
• 3.6 本章小结
• 第4章 情感词汇的领域扩展
• 4.1 问题分析
• 4.2 基于互信息框架的搭配抽取
• 4.2.1 系统介绍
• 4.2.2 互信息介绍
• 4.2.3 抽取候选搭配
• 4.2.4 搭配倾向性判断
• 4.3 基于模板框架的搭配抽取
• 4.3.1 系统介绍
• 4.3.2 种子搭配的构建
• 4.3.3 搭配模板的定义
• 4.3.4 基于字符串模板生成
• 4.3.5 基于句法树模板生成
• 4.3.6 模板信任度
• 4.3.7 搭配抽取与情感判定
• 4.4 倾向性词串的抽取
• 4.4.1 倾向性词串抽取
• 4.4.2 倾向性词串极性判断
• 4.5 本章小结
• 第5章 实验及结果分析
• 5.1 基于最大熵的通用情感词抽取
• 5.1.1 实验步骤
• 5.1.2 评价方法
• 5.1.3 实验结果
• 5.1.4 实验分析
• 5.2 情感词汇的领域扩展
• 5.2.1 评价方法
• 5.2.2 抽取语料介绍
• 5.2.3 情感搭配抽取实验
• 5.2.4 情感词串抽取实验
• 5.3 本章小结
• 第6章 总结与展望
• 6.1 工作总结
• 6.2 未来工作
• 参考文献
• 致谢
• 攻读硕士学位期间参加的科研项目