基于依存句法分析的中文評(píng)價(jià)對(duì)象抽取和情感傾向性分析.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展，包含有觀點(diǎn)和評(píng)論的文本大量涌現(xiàn)。人們一方面瀏覽別人發(fā)表的評(píng)論，一方面不停地分享自己對(duì)于某些人或物的觀點(diǎn)和情感。情感分析能夠從互聯(lián)網(wǎng)上的評(píng)論文本中挖掘出群體性的觀點(diǎn)，這對(duì)于經(jīng)濟(jì)發(fā)展、政治決策和個(gè)體行為都有著極其重要的指引作用。情感分析分為粗粒度和細(xì)粒度兩種，目前粗粒度情感分析取得了不錯(cuò)的效果，而細(xì)粒度情感分析的效果依舊不理想。
　　評(píng)價(jià)對(duì)象抽取和情感傾向性分析是細(xì)粒度情感分析的一個(gè)重要的子任務(wù)。其中，評(píng)價(jià)對(duì)象抽取是

2、該任務(wù)性能提高的瓶頸。針對(duì)評(píng)價(jià)對(duì)象抽取主要有四種方法，分別是基于尋找頻繁出現(xiàn)的名詞和名詞短語的抽取方法，利用觀點(diǎn)詞和評(píng)價(jià)對(duì)象的關(guān)系進(jìn)行抽取的方法，使用有監(jiān)督學(xué)習(xí)進(jìn)行抽取的方法，使用主題模型進(jìn)行抽取的方法。目前很多使用觀點(diǎn)詞和評(píng)價(jià)對(duì)象的關(guān)系進(jìn)行抽取的方法往往難以精準(zhǔn)地抽取出觀點(diǎn)詞真正關(guān)聯(lián)的評(píng)價(jià)對(duì)象，尤其是評(píng)價(jià)對(duì)象與觀點(diǎn)詞不在同一子句中的時(shí)候。針對(duì)該問題，本文在利用中文評(píng)論句子中詞匯間依存關(guān)系的基礎(chǔ)上，通過語義角色標(biāo)注、添加抽取規(guī)則和搜索算

3、法，以提高情感分析的性能。論文的主要工作如下:
　　(1)在現(xiàn)有詞典的基礎(chǔ)上，構(gòu)建用于情感分析的情感詞典，包括:正面情緒詞典、負(fù)面情緒詞典、正面評(píng)價(jià)詞典、負(fù)面評(píng)價(jià)詞典、觀點(diǎn)引述詞典、虛擬語氣詞典、轉(zhuǎn)折詞典、名詞性情感詞典等。這些詞典主要用于處理評(píng)價(jià)句中無用成分或只是表達(dá)想法、意愿的非評(píng)價(jià)句對(duì)情感分析的干擾，提供語義規(guī)則和傾向性分析需要的詞庫支持。
　　(2)在依存句法分析的基礎(chǔ)上，利用語義角色標(biāo)注，添加了一系列的抽取規(guī)則進(jìn)行

4、情感分析。同時(shí)使用了定中短語（定語和中心語組成的短語）替換通常的名詞短語抽取出候選評(píng)價(jià)對(duì)象，用以提高評(píng)價(jià)對(duì)象和觀點(diǎn)詞的抽取精確度。這些規(guī)則主要考慮了中文語義知識(shí)、常用句式等對(duì)情感分析的影響。實(shí)驗(yàn)結(jié)果表明，在NLP&CC2013的微博評(píng)測(cè)語料上，添加語義規(guī)則的基于依存句法分析的方法，能夠顯著提高評(píng)價(jià)對(duì)象的抽取性能。
　　(3)提出一種評(píng)價(jià)對(duì)象搜索方法，用于改善在只抽取出代詞或句法關(guān)系中無評(píng)價(jià)對(duì)象的情況下，搜索上下文中真正的評(píng)價(jià)對(duì)象的