情感分类分析现状_基于情感词典的中文微博情感倾向分析研究_情感词典一般规模(2)

1 相关技术介绍1.1 情感分析

情感分析是从用户发布的微博信息中识别情感信息，判断微博句子情感倾向性或得出用户表达的观点是“同意”还是“反对”。谢丽星[]提出基于表情符号、情感词典、SVM的层次结构的多策略方法。此方法通过统计表情符号和情感词的个数计算微博的情感倾向，但是对于不明显包含情感特征的微博有一定的局限性。杜振雷等[]提出一种基于情感词典和SVM相结合的微博情感分析的方法，该方法首先构造了一个较完整的情感词典，利用微博的语义特征和情感特征的情感强度为特征权重，借助多特征融合方法构建中文微博情感倾向性分析模型。Saif等[]通过对英文微博的研究，提出一种新的附加语义的特征的方法，该方法对实体提取语义作为附加的特征，并计算相关的概念以及情感倾向，通过实验表明该方法能取得非常好的效果。

1.2 点互信息

点互信息是信息论中的一个重要的概念，通常用来表示一个随机变量包含另一个随机变量的信息量，一般用熵来表示[]。点互信息的表达式为

式中：ta、tb分别表示2个事件，PMI(ta,tb)表示事件ta包含事件tb的信息量。

中文词语的情感倾向性值计算方法是利用点互信息计算的方法。基于点互信息的词语情感倾向性计算方法首先人工选取一定量的基准词，通过计算基准词与检索系统中词语的共现概率，来确定该词语的情感倾向性以及情感倾向值。设褒义基准词集合为C={C1,C2,…,Cn}，贬义词集合为D={D1,D2,…,Dn}，则对于某个单词t，基于互信息的词语的情感倾向值为

点互信息PMI的计算如公式为

式中：p(t,word)表示在语料库中单词t和基准词word共现的概率，p(t)表示单词t在语料库中出现的概率。

1.3 支持向量机

支持向量机(SVM)是定义在特征空间上的函数间隔最大分类器[]，支持多分类、间隔最大化使它有别于感知机。当训练数据近似线性可分时，通过函数间隔最大化，SVM能够学习一个线性分类器，即线性可分支持向量机；当训练数据线性不可分时，所采取的方法是进行一个非线性变换，将非线性问题变换为线性问题，通过解变换后的线性问题的方法求解原来的非线性问题。支持向量机模型通过间隔最大化学习得到分离超平面，分离超平面对应公式为

相应的分类决策函数为

式中：w表示分离超平面的法向量，b表示分离超平面的截距，可以用(w,b)表示分类决策函数。分离超平面将实例空间划分成两部分，分别是正类和负类。

1.4 评测指标

采用COAE 2014评测所用的评价指标，包括召回率、精确率和F1值。召回率用来衡量成功检索到相关文本的可能性，是查询到的相关文本的数量占语料库中所有相关文本的数量的比例。精确率用来衡量检索出来的文本的准确性，是查询到的相关文本的数量占查询到的所有文本的总数的比例。而F1值是召回率和精确率的调和平均数。F1值的计算公式为

式中：P是精确率，；R是召回率，。其中，SC表示最终返回的正确文本的数目；SO表示返回的文本的总数；HL表示语料库中人工标注的文本的数目。F1值是用于平衡R和P的值，是系统最终的评价指标。

精确率和召回率都是针对特定正类或者负类进行的单一评价，无法表明在整个系统的性能。为了评价数据集上的整体指标，可以使用另外2种评价指标：宏平均和微平均。宏平均是每一个类的性能指标的算数平均值，而微平均是每一个实例的性能指标的算数平均。

2 情感词典的构建2.1 情感词典的构建过程

情感词典的构建过程如所示。

1) 合并去重。本文将基础情感词典《知网》、《学生褒贬义词典》、《ntusd情感词典》、《tsinghua褒贬义词典》组合成一部新的情感词典，并将新情感词典中重复的词条过滤。

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/jisuanjixue/article-34678-2.html