论文部分内容阅读
随着我国互联网行业的迅速发展,如何从日益增长的海量数据中提取有效的信息成为当前的一个热门研究课题。文本情感分析作为自然语言处理的一个重要应用方向,可以进行分析、处理、判断文本的情感倾向,被广泛应用于舆情监控、信用评价、网络营销、产品与服务优化等领域。情感词典是文本情感分析的基础和重要工具,完善且精确的情感词典可以有效地提高文本情感分析的效果。现有的通用情感词典大多为情感词和情感极性值的组合,其情感倾向一般被设定为固定值。这种情感词典主观性较强,没有考虑情感词在不同语境下可能会表现出的不同情感倾向,具有一定的片面性。语句的长短、词语的频率和位置、词语之间的关联等包含了大量的文本特征信息,这些信息是词语情感强度变化的关键。本文将词语的文本特征信息加入到情感词典的构建过程中,以期找到不同文本语境下词语的特征信息与情感倾向的关系,从而使情感词典更好地适用于各个领域。本文总结了常见的三十余种文本特征并根据特征类别、所属级别等进行分类,在各个类别中寻找对词语的情感值有影响的特征。本文在对词语的文本特征和情感倾向的关系做出大量研究后,提出了基于特征的情感词典构建方法。算法的基本思想:选择文本特征,统计语料库中词语每次出现时的特征值和情感值,构建词语的特征值-情感值列表。利用聚类的方法分析不同特征值范围下词语情感值的取值情况,找到特征值和情感值之间的关系。经过准入条件的判断将有效的情感值及对应特征值范围存入情感词典。词语的不同特征包含和反映了其文本信息的不同方面,单个特征并不能完全表现词语在语境下的情感信息,其实际效果存在局限性。为解决单一特征包含文本情感信息有限的问题,在构建特征情感词典的基础上,本文又提出了基于多特征的情感词典构建方法。该算法的主要思想是,根据单特征情感词典的比较结果,结合各类别的特征中表现最好的特征,从而达到综合各类特征优点的目的,提高多特征词典的效果。经过分组对比实验,本文比较了基于各个特征构建的单特征情感词典,在其中选取实际效果较好的特征进行结合,构建多特征情感词典。实验结果显示,多特征情感词典的分类效果要优于无特征的通用情感词典和单特征情感词典。这证明本文提出的基于特征的新型情感词典构建方法是有效的。